PulseAugur
实时 11:52:15
English(EN) Learning Fair Demand Models

新框架将公平性纳入数据驱动定价模型

研究人员开发了一个新框架,用于将公平性考量纳入数据驱动的定价系统。该研究侧重于一个涉及需求模型估计和价格优化的两阶段过程,探讨了如何在不同点整合公平性。他们发现,在各群体之间均等化训练损失可能导致意想不到的后果,这表明公平性应直接应用于价格或需求。研究还阐述了在特定条件下,估计中的价格公平性或优化中的需求公平性何时能带来更好的社会福利。 AI

影响 引入了一种缓解人工智能驱动定价偏见的新方法,有望带来更公平的经济成果。

排序理由 这是一篇发表在arXiv上的研究论文,详细介绍了一个关于人工智能公平性的新框架。[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) · Adam N. Elmachtoub, Hyemi Kim, Jonathan Y. Tan ·

    学习公平需求模型

    arXiv:2606.06830v1 Announce Type: cross Abstract: Data-driven pricing is increasingly prevalent in sectors such as airlines, lending, insurance, and retail. By learning demand models from customer features and setting prices accordingly, these systems may generate discriminatory …