跳到正文
热点事件持续更新

贝叶斯方法在线选择公平分类器

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

Saatvik Kher 等作者提交论文,提出用 Thompson Sampling 将在线选择分类器建模为贝叶斯多臂老虎机问题,在预测准确率与敏感属性子群公平性之间做权衡,并支持真实标签延迟观测。 作者称,该策略在表格分类器、大语言模型和人类标注者等真实数据集上显著降低了 regret,理论上同时给出了涵盖准确率与公平性的性能保证。这些效果来自论文自述,尚待独立验证。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月15日
  1. arXiv:cs.LG
    贝叶斯学习如何在线选择公平分类器

    研究提出用 Thompson Sampling 将在线选择分类器建模为贝叶斯多臂老虎机问题,在预测性能与敏感属性子群公平性之间做权衡,并支持真实标签延迟观测。该策略在表格分类器、大语言模型和人类标注者等真实数据集上显著降低了 regret,理论上同时给出了涵盖准确率与公平性的性能保证。

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。