研究者提出预测模型局部校准审计方法

研究者发布论文，提出一种针对预测模型的局部校准审计方法：用随机森林相似度把观测样本分组为“口袋”，据此找出模型在哪些相似样本集合上系统性高估或低估。该方法还检验同一集合内不同人群（如种族、性别）的平均预测误差是否存在差异，即同时回答模型“在哪里”和“对谁”失准。 该论文由 Bernardo Modenesi 等作者发布在 arXiv，属方法论提出，报道未给出在具体模型或数据集上的应用结果。

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。