实体
Ruinan Jin
Ruinan Jin
PulseAugur coverage of Ruinan Jin — every cluster mentioning Ruinan Jin across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 0
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
过去 90 天内暂无报道。
主题
最近 · 第 1/1 页 · 共 2 条
-
新方法DUCX审计医疗AI代理中的偏见
研究人员开发了一种名为DUCX的新方法，用于分解和审计用于医疗任务（特别是胸部X光分析）的AI代理中的不公平性。该方法将偏见分解为三个不同的来源：工具暴露、工具转换和模型推理，揭示了在端到端评估中不明显的差异。实验表明，即使在使用先进的代理框架时，显著的人口统计学差距仍然存在，在某些条件下效用差距高达50%，这凸显了对流程层面公平性审计的需求。
-
新的联邦遗忘方法提供认证数据移除
研究人员开发了一种新的联邦遗忘（FU）框架，解决了现有方法的局限性。他们的方法，可遗忘的联邦线性学习，使用深度神经网络的线性近似来实现与原始模型相当的性能。该方法无需额外的通信或存储历史模型即可高效安全地遗忘目标客户端的影响，为值得信赖的FU提供了一个实际的解决方案。