English(EN) What Price Fairness? Evaluating Energy - Fairness - Accuracy Trade-off in Recommender Systems

研究评估推荐系统中公平性的能源成本

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-04 22:38

一篇新发表在arXiv上的研究论文探讨了推荐系统中准确性、公平性和能源消耗之间的权衡。该研究调查了不同的公平性干预措施，如处理中、图级别重加权和后处理方法，如何影响计算成本和环境足迹。研究结果表明，公平性的能源成本并非统一，后处理方法将成本转移到推理时间，而其他方法则根据所使用的模型、数据集和硬件而有显著差异。该研究呼吁对推荐系统进行三方评估，同时考虑准确性、公平性和计算成本。 AI

影响强调在AI系统设计中，除了准确性和公平性之外，还需要考虑能源效率。

排序理由该集群包含一篇发表在arXiv上的研究论文，详细介绍了一种新的推荐系统评估方法。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

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

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇发表在arXiv上的研究论文，详细介绍了一种新的推荐系统评估方法。 [lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 5 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Antonela Tommasel · 2026-09-04 22:38

公平的代价是多少？评估推荐系统中的能源-公平性-准确性权衡

Fairness-aware recommender systems aim to mitigate systematic imbalances in recommendation outcomes, including how visibility, relevance, and opportunities are distributed among users, items, and providers. However, these systems are usually evaluated in terms of accuracy and fai…

本文如何被排名

报道来源 [1]

公平的代价是多少？评估推荐系统中的能源-公平性-准确性权衡

相关实体

相关话题