研究提出多敏感属性分布公平性审计框架
热点事件持续更新
研究提出多敏感属性分布公平性审计框架
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
一项新研究提出用一维 Wasserstein 几何做多敏感属性的分布公平性审计,作者为 Agathe Fernandes Machado、Charlotte Jamotton 和 Arthur Charpentier。研究指出,逐坐标审计会漏掉纯交叉性差异,即多个敏感属性共同作用产生的差异。 方法通过全格条件分位函数构造 Hilbert 值随机变量,其方差即联合差异;再借条件期望的单调信息博弈给出精确鞅分解,用 Shapley 值实现无序归因。敏感属性独立时,该分解退化为 Hoeffding-ANOVA 分解;属性依赖时则出现抑制与冗余效应。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
多敏感属性分布公平性:联合 Wasserstein 审计与 Shapley 归因报道时间线
沿着报道,了解事件的不同侧面。
10月15日
- arXiv stat.ML多敏感属性分布公平性:联合 Wasserstein 审计与 Shapley 归因
研究提出用一维 Wasserstein 几何做多敏感属性的分布公平性审计,指出逐坐标审计会漏掉纯交叉性差异。方法通过全格条件分位函数构造 Hilbert 值随机变量,其方差即联合差异,并借条件期望的单调信息博弈给出精确鞅分解,Shapley 值实现无序归因;敏感属性独立时退化为 Hoeffding-ANOVA 分解,依赖时则出现抑制与冗余效应。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。