研究提出基于分布稳定性的公平性框架

Gayane Taturyan、Charlotte Laclau 和 Stephan Clémençon 提出一种基于分布稳定性的公平性框架，将公平性定义为：当受保护群体的构成发生变化时，预测器的预测结果仍保持稳定。该框架不再局限于固定数据分布下的公平性评估，而是考察群体构成变化对预测结果的影响。 基于这一框架，研究团队提出通过重加权预测器的凸组合构建学习方法，并采用二阶锥规划（SOCP）求解，同时给出泛化界和测试时公平性保证。该保证适用于一定范围内的人口群体构成变化，无需预先知道实际部署分布。标准基准实验展示了这一方法的应用。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。