实体
algorithmic fairness
algorithmic fairness
PulseAugur coverage of algorithmic fairness — every cluster mentioning algorithmic fairness across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
flowengineR框架增强了R中机器学习工作流的可复现性
一个名为flowengineR的新R包已被开发出来，用于创建可复现且可扩展的机器学习管道工作流。该框架的特别动机来自于算法公平性方面的挑战，因为新的指标和方法层出不穷。flowengineR为机器学习管道的各个阶段提供了一个标准化的架构，包括数据拆分、预处理、训练和评估，从而可以轻松比较和整合不同的干预措施。该设计借鉴了工作流语言和可视化编程工具的灵感，优先考虑透明度和可审计性，而不仅仅是并行执行。
-
研究发现应用算法公平性存在障碍
一项发表在arXiv上的新研究探讨了算法公平性研究与其在公共卫生领域应用之间的脱节。研究人员发现，尽管公平性被认为是重要的，但其在实践中的应用受到定义不清、培训不足以及倾向于将准确性置于公平性之上的因素的阻碍。该研究提出了一个新的框架，用于识别和解决这些转化障碍，旨在促进在公共卫生领域更安全、更合乎道德的AI使用。