arXiv · cs.AI · Joshua Wolff Anderson, Yanshan Wang, Shyam Visweswaran · 9 小时前模型评分31
MICF：面向 Transformer 的任务无关反事实公平性框架
A Framework for Task-Agnostic Counterfactual Fairness in Transformers through Activation Steering
导读
研究者提出机制可解释性反事实公平性框架（MICF，Mechanistic Interpretability for Counterfactual Fairness），用机制可解释性工具把反事实公平性约束改写为 Transformer 激活层面的约束，无需预先给定因果模型或特定架构。该框架在真实表格数据上评估，显示不同预测任务的反事实公平性均可提升。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We propose a framework, Mechanistic Interpretability for Counterfactual Fairness (MICF), that utilizes MI tools to reformulate CF constraints in terms of transformer activations, unifying former approaches into a single pipeline for fairness analysis in transformers.”
来源：arXiv · cs.AI · arxiv.org