Giovani Valdrighi

新框架通过选择性标签解决长期公平性问题

研究人员开发了一个新框架，以解决机器学习模型中的长期公平性问题，特别是在标签被选择性揭示的情况下。所提出的方法将公平性分解为观察到的标签偏差和预测的标签偏差，从而可以使用标签预测器的置信度来估计真正的公平性。这一理论进展催生了一种新颖的强化学习算法，旨在通过选择性标签实现有效的长期公平决策，在半合成环境中，其性能可与具有真实标签访问权限的预言机相媲美。