KINDER：基于原型的公平表征学习内核方法

KINDER是一种基于原型的公平表征学习内核方法，于2026-11-03在arXiv·ML（cs.lg）发布。该方法通过随机傅里叶特征空间移除敏感属性信息，实现公平表征学习。 具体机制上，KINDER基于受保护组原型估计敏感子空间，并将表征投影至其正交补。此方法适用于任意深度模型和任务类型，具有通用性。 KINDER在监督、自监督及多模态任务中均验证有效。相关代码和模型已公开，便于研究与复现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。