BEGIN:VCALENDAR
VERSION:2.0
PRODID:OpenCms 21.0.19
BEGIN:VTIMEZONE
TZID:Europe/Berlin
X-LIC-LOCATION:Europe/Berlin
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:19700329T020000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:19701025T030000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10
END:STANDARD
END:VTIMEZONE				
BEGIN:VEVENT
DTSTAMP:20250210T121117
UID:bf9fed06-e79f-11ef-964d-000e0c3db68b
SUMMARY:IRIS Kolloquium|Mara Seyfert: Uncertainty and robustness against persuasion in large language models
DESCRIPTION:Die heutigen großen Sprachmodelle (LLMs) sind hervorragend darin, überzeugende Antworten auf ein breites Spektrum von Anfragen zu liefern, wobei ihre Konversationsfähigkeiten es ihnen ermöglichen, sich eng an die Bedürfnisse der Benutzer anzupassen. Allerdings ist diese Anpassungsfähigkeit nur so lange von Vorteil, wie die Modelle robust genug sind, um falsche Aussagen aus Benutzereingaben nicht zu übernehmen.\nNeueste Forschungen zeigen, dass selbst fortgeschrittene Modelle wie GPT-4 im Verlauf von Gesprächen mit mehreren Wendungen von anfangs korrekten zu falschen Antworten wechseln können, allein durch die Eingaben der Benutzer. In meinem Vortrag werde ich meine Forschung präsentieren, die untersucht, wie Unsicherheit in LLMs Einblicke in ihre Robustheit gegenüber Überzeugungsversuchen bieten kann, während ich gleichzeitig die spezifischen Herausforderungen bei der Quantifizierung von Unsicherheit in diesen Modellen hervorhebe.\nDie Vorlesung wird auf Englisch gehalten.\nGenießen Sie mit uns Kuchen nach dem Kolloquium.
DTSTART;TZID=Europe/Berlin;VALUE=DATE:20250326
DTEND;TZID=Europe/Berlin;VALUE=DATE:20250327
LOCATION: , Raum 101 (UN 32.101), Erdgeschoss, Universitätsstr. 32 (Eingang über Universitätsstr. 34),  Campus Vaihingen 
URL;VALUE=URI:https://www.iris.uni-stuttgart.de/de/veranstaltung/IRIS-KolloquiumMara-Seyfert-Uncertainty-and-robustness-against-persuasion-in-large-language-models/
END:VEVENT
END:VCALENDAR