研究把公平性定义为分布稳定性并提出学习框架

Gayane Taturyan、Charlotte Laclau 与 Stephan Clémençon 发布论文，把公平性定义为分布稳定性：预测器在受保护群体构成被扰动时预测结果保持稳定，即视为公平。 作者称，多种经典公平概念可看作对特定扰动的稳定性，不公平差距由预测率泛函的 Lipschitz 常数给出；该框架无需知道部署分布，即可在测试时对多种人口构成提供一致保证。论文还提出基于重加权预测器凸组合、以二阶锥规划求解的学习方法及泛化界，并称标准基准实验验证了该方法有效。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。