PulseAugur
中
实时 11:41:29
English(EN) Model Multiplicity and Predictive Arbitrariness in Recidivism Risk Assessment

累犯AI模型显示的任意性低于预期

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新发表在arXiv上的研究论文探讨了累犯风险评估工具中预测任意性的问题。该研究聚焦于一个已使用超过15年的机器学习系统，旨在理解多个准确度相似的模型如何导致对个体的不一致预测。研究人员开发了改进性能并减少群体差异的可解释模型，发现模型间的结构多样性并不总是导致显著的预测多样性。他们提出一项简单策略，即在可比模型中分配最低风险分数，以减轻任意性。 AI

影响 强调了AI在高风险决策中潜在的问题，并提出了一种缓解策略。

排序理由 关于特定AI应用及其潜在问题的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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]

  1. arXiv cs.LG TIER_1 English(EN) · Ashwin Singh, Carlos Castillo ·

    Model Multiplicity and Predictive Arbitrariness in Recidivism Risk Assessment

    arXiv:2606.02198v1 Announce Type: new Abstract: Prediction tasks over individual futures, which are inherently noisy, often admit multiple similarly accurate models. When these models produce different predictions for the same individual, they raise concerns of arbitrariness in d…

相关实体

相关话题