实体
FairSelect
FairSelect
PulseAugur coverage of FairSelect — every cluster mentioning FairSelect across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新工具包FairSelect系统评估算法公平性策略
研究人员推出了一款名为FairSelect的工具包，旨在系统地评估算法公平性方法。该框架允许评估在机器学习生命周期的不同阶段（包括预处理、中处理和后处理）单独或组合应用的缓解策略。FairSelect支持各种模型架构，并能够跨交叉子群进行评估，比较公平性和效用之间的权衡。在合成临床数据和真实世界中风风险预测任务上的实验表明，组合公平性干预可以带来更大的改进，但其相互作用方式复杂且依赖于具体情境。
-
新研究审计机器学习子群体中的公平性-隐私权权衡
一项发表在arXiv上的新研究调查了机器学习模型中增强公平性的算法与隐私泄露之间复杂的相互作用。研究人员调整了似然比攻击（LiRA）以审计子群体层面的隐私风险，揭示了公平性干预可能对不同群体产生不均衡的影响。研究还分析了差分隐私如何与公平性方法相互作用，表明收益和成本并非均匀分布。研究结果强调了在子群体层面联合评估公平性、隐私权和效用的必要性，并引入了一个支持此类审计的框架。