提出统一公平回归框架与FAUST算法
热点事件持续更新
提出统一公平回归框架与FAUST算法
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Marie Generali Lince等研究者将带有人口统计学均等惩罚的回归问题建模为最优传输问题，提出统一公平感知与公平属性不可感知两种设置的理论框架，并设计FAUST算法。研究分别采用平方Wasserstein-2和Total Variation惩罚刻画最优预测函数，揭示两者对应不同的公平理念：前者允许群体范围内平滑折中，后者则要求部分个体强制实现公平。研究者称，FAUST在真实基准测试中持续达到或超过现有先进基线。
AI 根据报道生成 · 2 小时前更新
最新进展11月2日 13:00
松弛公平回归的几何理论：统一公平感知与公平属性不可感知设置报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · Machine Learning松弛公平回归的几何理论：统一公平感知与公平属性不可感知设置
研究将人口统计学均等（demographic parity）惩罚下的回归问题建模为最优传输问题，统一公平感知与公平属性不可感知两种设置，并通过 Wasserstein-2 和 Total Variation 惩罚刻画最优预测函数。研究揭示两种惩罚对应不同的公平理念：前者实现群体范围内的平滑折中，后者对部分个体强制实现公平。基于此提出 FAUST 算法，在真实基准测试中持续达到或超过现有先进基线。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。