AI模型因训练数据存在偏见而误判老年人出行模式

一篇新发表在arXiv上的研究论文探讨了代表性不足的人口群体（特别是老年人）的出行建模挑战。研究强调，老年人在公共出行数据集中代表性稀疏会导致城市规划和建模存在偏见。通过分析泽西市的Citi Bike数据，研究人员发现与年轻骑行者相比，老年骑行者表现出独特的出行模式，包括更小的活动空间和更低的出行熵。论文表明，当使用以多数群体为主的数据进行训练时，传统的马尔可夫链模型和经过微调的Qwen3-4B语言模型都会误判老年人的出行行为，这突显了城市出行研究在人口统计学上包容性的关键需求。 AI

影响 强调了AI模型中多样化数据的必要性，以避免在城市规划和出行服务中产生有偏见的后果。

排序理由 学术论文，详细介绍了新颖的研究发现和方法论。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• Citi Bike System Data
• Jersey City
• Qwen3-4B

• 论文
• 模型发布
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →