Discovering Safety Issues in Text-to-Image Models: Insights from Adversarial Nibbler Challenge
Notice bibliographique
Résumé
Warning: This paper contains graphic imagery and sensitive content related to AI-generated images.In this study, we delve into the Adversarial Nibbler Challenge, where our central aim was to investigate the safety of text-to-image models.Specifically, we sought to understand how these models respond to harmless prompts while generating potentially unsafe or problematic images.Our analysis, conducted within the framework of the Challenge, revealed notable concerns.We found that seemingly innocuous prompts led to the production of images containing disturbing or unsafe content.This observation aligns with the challenge's primary objective of identifying and mitigating safety issues in contemporary Text-to-Image (T2I) models.Most generated images favored white populations, influenced by keywords.For example, "poor" produced images of brown and black populations, while "thieves" consistently depicted black individuals.Disturbing imagery emerged with keywords like "necrophilia" and "cult," raising concerns.Sensitive topics generated inappropriate content.Queries with "children" and terms like "red" and "ketchup" produced graphic, blood-laden images.Children were mainly white, and women were portrayed in domestic roles.Geographic biases emerged, with "abortion" solely linked to the USA.Negations were often ignored, leading to explicit content.Queries related to sexual identities generated explicit content, underlining the importance of content filtering and safety measures.Gender and leadership biases portrayed future CEOs and leaders as white middle-aged men.Cultural stereotypes persisted, showing Mexicans wearing sombreros.In line with the Adversarial Nibbler Challenge's mission, these findings underscore the critical importance of addressing safety concerns and promoting ethical considerations in AI-powered text-to-image generation.This work contributes to ongoing efforts to create more secure and responsible AI models.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».