容忍阈值定公平，违规认证与敏感性筛查双管齐下，AI审计更透明！
Tolerance-Based Fairness Auditing: Violation Certification and Sensitivity Screening
📖 AI 总结
本文提出一个基于容忍度的统一公平性审计框架，用于判断群体差异是否超出预设的允许阈值。针对两类互补的审计目标，作者分别设计了不同的统计检验方法：在违规认证目标下，优先控制错误违规声明，提出带约束的经验似然检验，采用最不利点校准，并可结合虚假标记率控制实现多子群同步审计；在敏感性筛查目标下，优先减少漏检违规，基于自适应边界代理原则提出分裂经验似然检验及调整分裂经验似然检验。数值实验展示了各方法在错误控制与敏感性之间的不同权衡，并通过对COMPAS数据的分析说明了该框架在预测公平性审计中的实际应用。
🔑 关键词速览
| Tolerance-Based Fairness Auditing | 基于容忍度的公平审计，一种允许预先指定可接受不公平程度阈值的审计方法。 |
| Violation Certification | 违规认证，审计目标之一，侧重于严格控制错误宣布违规的概率。 |
| Sensitivity Screening | 敏感性筛查，审计目标之一，侧重于减少漏报违规的情况。 |
| Constrained Empirical Likelihood Test | 约束经验似然检验，一种用于正式审计的统计检验方法，结合最不利点校准。 |
| COMPAS | 一种用于预测累犯风险的算法工具，常用于公平性审计研究。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅