Modelos de Fundação Confiáveis e Responsáveis: Um Estudo Abrangente
Reliable and Responsible Foundation Models: A Comprehensive Survey
February 4, 2026
Autores: Xinyu Yang, Junlin Han, Rishi Bommasani, Jinqi Luo, Wenjie Qu, Wangchunshu Zhou, Adel Bibi, Xiyao Wang, Jaehong Yoon, Elias Stengel-Eskin, Shengbang Tong, Lingfeng Shen, Rafael Rafailov, Runjia Li, Zhaoyang Wang, Yiyang Zhou, Chenhang Cui, Yu Wang, Wenhao Zheng, Huichi Zhou, Jindong Gu, Zhaorun Chen, Peng Xia, Tony Lee, Thomas Zollo, Vikash Sehwag, Jixuan Leng, Jiuhai Chen, Yuxin Wen, Huan Zhang, Zhun Deng, Linjun Zhang, Pavel Izmailov, Pang Wei Koh, Yulia Tsvetkov, Andrew Wilson, Jiaheng Zhang, James Zou, Cihang Xie, Hao Wang, Philip Torr, Julian McAuley, David Alvarez-Melis, Florian Tramèr, Kaidi Xu, Suman Jana, Chris Callison-Burch, Rene Vidal, Filippos Kokkinos, Mohit Bansal, Beidi Chen, Huaxiu Yao
cs.AI
Resumo
Os modelos de base, incluindo os Grandes Modelos de Linguagem (LLMs), os Modelos Multimodais de Grande Linguagem (MLLMs), os Modelos Geradores de Imagem (ou seja, Modelos de Texto-para-Imagem e Modelos de Edição de Imagem) e os Modelos Geradores de Vídeo, tornaram-se ferramentas essenciais com ampla aplicação em diversos domínios, como direito, medicina, educação, finanças, ciência e outros. À medida que estes modelos são cada vez mais implementados no mundo real, garantir a sua confiabilidade e responsabilidade tornou-se crítico para a academia, a indústria e o governo. Este estudo aborda o desenvolvimento confiável e responsável dos modelos de base. Exploramos questões críticas, incluindo viés e justiça, segurança e privacidade, incerteza, explicabilidade e desvio de distribuição. A nossa investigação também abrange as limitações dos modelos, como as alucinações, bem como métodos como o alinhamento e a deteção de Conteúdo Gerado por Inteligência Artificial (AIGC). Para cada área, revemos o estado atual do campo e delineamos direções de pesquisa futuras concretas. Adicionalmente, discutimos as interseções entre estas áreas, destacando as suas conexões e desafios partilhados. Esperamos que o nosso estudo promova o desenvolvimento de modelos de base que não sejam apenas poderosos, mas também éticos, confiáveis, seguros e socialmente responsáveis.
English
Foundation models, including Large Language Models (LLMs), Multimodal Large Language Models (MLLMs), Image Generative Models (i.e, Text-to-Image Models and Image-Editing Models), and Video Generative Models, have become essential tools with broad applications across various domains such as law, medicine, education, finance, science, and beyond. As these models see increasing real-world deployment, ensuring their reliability and responsibility has become critical for academia, industry, and government. This survey addresses the reliable and responsible development of foundation models. We explore critical issues, including bias and fairness, security and privacy, uncertainty, explainability, and distribution shift. Our research also covers model limitations, such as hallucinations, as well as methods like alignment and Artificial Intelligence-Generated Content (AIGC) detection. For each area, we review the current state of the field and outline concrete future research directions. Additionally, we discuss the intersections between these areas, highlighting their connections and shared challenges. We hope our survey fosters the development of foundation models that are not only powerful but also ethical, trustworthy, reliable, and socially responsible.