PulseAugur
中
实时 03:07:35
English(EN) Fairness vs Performance: Characterizing the Pareto Frontier of Algorithmic Decision Systems

新框架描绘算法公平性与性能的权衡曲线

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个框架，用于理解算法决策系统中模型性能与公平性之间的权衡。他们的工作将决策过程概念化为一个多目标优化问题，同时考虑了决策者效用和群体公平性。研究结果表明，代表最优权衡的帕累托前沿可能涉及确定性的、特定群体的阈值规则，并且在某些情况下，根据所使用的公平性指标，甚至可能有利于成功概率较低的个体。这些结果独立于具体的算法方法，并为评估和比较算法决策系统提供了原则性基础。 AI

影响 为评估和比较算法决策系统提供了原则性基础，帮助开发人员平衡性能与公平性。

排序理由 学术论文，详细介绍了算法公平性的新理论框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

新框架描绘算法公平性与性能的权衡曲线

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Christoph Heitz ·

    Fairness vs Performance: Characterizing the Pareto Frontier of Algorithmic Decision Systems

    Designing fair algorithmic decision systems requires balancing model performance with fairness toward affected individuals: More fairness might require sacrificing some performance and vice versa, yet the space of possible trade-offs is still poorly understood. We investigate fai…

相关话题