跳到正文
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

报道时间线

沿着报道,了解事件的不同侧面。

10月15日
  1. 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。