arXiv新论文:公平机器学习中的延迟社会成本
热点事件持续更新
arXiv新论文:公平机器学习中的延迟社会成本
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
2026年11月19日,Giovani Valdrighi等三位研究人员在arXiv机器学习领域(cs.lg)发布论文《The Delayed Societal Cost of Unfairness》。 该研究揭示了基于静态数据的公平干预在动态人群场景中可能产生反效果,具体会损害弱势群体。研究构建的模型显示,当弱势群体在决策者盈亏平衡点的接纳成本低于拒绝成本时,强调公平性实际上能够降低社会总成本。
AI 根据报道生成 · 13 小时前更新
最新进展11月20日 13:00
机器学习中的政策诱导人群动态如何反转公平与性能权衡报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · ML机器学习中的政策诱导人群动态如何反转公平与性能权衡
研究发现,基于静态数据的公平干预可能在动态人群中损害弱势群体。在资格分数随决策变化的模型中,若对弱势群体在决策者盈亏平衡点上的接纳成本低于拒绝成本,强调公平性可降低社会总成本。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 911月20日 16:00
- 近 24 小时变化
- –
02.557.510
18:0021:0011月21日03:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。