English(EN) Perturbation Effects on Accuracy and Fairness among Similar Individuals

新指标RIF评估模型在扰动下的公平性和准确性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-02 04:00

研究人员引入了鲁棒个体公平性（RIF），一个用于评估深度神经网络的新指标。RIF评估在语义保持扰动下，预测是否仍然准确和公平。开发了一个名为RIFair的框架，用于识别模型违反RIF的实例，揭示了传统准确性或公平性指标可能忽略的隐藏漏洞。 AI

影响引入了新的AI模型可信度评估标准，可能影响未来的开发和审计实践。

排序理由该集群包含一篇学术论文，介绍了一种新的AI模型评估研究指标和框架。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Xuran Li, Hao Xue, Peng Wu, Xingjun Ma, Zhen Zhang, Huaming Chen, Flora D. Salim · 2026-06-02 04:00

Perturbation Effects on Accuracy and Fairness among Similar Individuals

arXiv:2404.01356v3 Announce Type: replace-cross Abstract: Deep neural networks are vulnerable to adversarial perturbations that can simultaneously degrade prediction robustness and individual fairness across diverse application settings. However, existing evaluation protocols typ…