贝叶斯学习如何在线选择公平分类器

研究提出用 Thompson Sampling 将在线选择分类器建模为贝叶斯多臂老虎机问题，在预测性能与敏感属性子群公平性之间显式权衡，并支持真实标签延迟观测。在表格分类器、大语言模型和人工标注者的真实数据集上，该方法相对基线大幅降低 regret，并从理论上给出了兼顾准确率与公平性的性能保证。