研究人员开发了一种新的方法来选择分类器，该方法能够自适应地平衡预测性能和子群体公平性。该方法将问题构建为使用 Thompson Sampling 的贝叶斯多臂老虎机问题，允许延迟观察真实类别标签。在涉及表格分类器、大型语言模型和人工标注者的数据集上的实证评估表明，与现有方法相比，遗憾（regret）显著降低，并且对所选代理的性能有理论保证。 AI
影响 该方法可以提高需要人工或代理标注的 AI 系统的公平性和效率。
排序理由 详细介绍一种新机器学习方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- Bayesian Learning to Select Fair Classifiers
- Bayesian multi-armed bandit
- CatalyzeX Code Finder for Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv Recommender
- Influence Flower
- large-language models
- ScienceCast
- Thompson Sampling
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
