German Credit & Investment Corp.
PulseAugur coverage of German Credit & Investment Corp. — every cluster mentioning German Credit & Investment Corp. across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的IDE工具FairLint-DL可实现预训练偏见检测
研究人员开发了FairLint-DL，一个集成到Visual Studio Code中的新工具，允许开发人员在训练深度学习模型之前测试其偏见。该工具使用基于Shannon工作的信息论度量来量化受保护属性对预测的影响。在Adult Census Income等数据集上的评估显示出显著的公平性问题，FairLint-DL能够快速识别这些问题，证明了其在开发工作流程中简化公平性分析的潜力。
-
新框架通过嵌入逃避逻辑来欺骗 AI 可解释性审计员
研究人员开发了一个名为“Crushing the Evidence”的新框架，可以欺骗白盒可解释人工智能（XAI）审计员。这种双重惩罚逃避技术将逃避逻辑直接嵌入模型参数中，使其能够生成平滑的、分布内的预测，从而绕过异常检测方法。在四个基准数据集上的实证评估表明，该框架可以将目标特征归因降低到接近零，同时保持超过 90% 的攻击成功率。
-
新的CFQ方法提高了量化AI模型中追索的稳定性
研究人员开发了一种名为反事实忠实量化（CFQ）的新方法，以解决在提供算法追索的决策系统中模型量化所带来的问题。标准的量化会改变追索操作的有效性，需要更大的干预措施或完全失效。CFQ是一种量化感知训练技术，它联合优化量化器参数和比特分配，以在追索点保持预测的稳定性。在Adult和COMPAS等数据集上的实验表明，与以准确率为中心的基线相比，CFQ显著降低了追索的不稳定性，同时保持了可比的准确率和比特预算。
-
新的Aumann-SHAP框架通过反事实几何解释机器学习决策
研究人员开发了Aumann-SHAP，一个通过分析反事实交互来解释机器学习模型决策的新框架。该方法通过关注基线特征和反事实特征之间的局部超立方体来分解变化，将其离散化为网格以形成合作博弈。应用于该博弈的Shapley和LES值提供了几何感知的归因，该归因收敛于集成梯度极限，并且可以高效计算。