論文の概要: Procedural Fairness in Multi-Agent Bandits

• arxiv url: http://arxiv.org/abs/2601.10600v1
• Date: Thu, 15 Jan 2026 17:11:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-16 19:43:19.24292
• Title: Procedural Fairness in Multi-Agent Bandits
• Title（参考訳）: マルチエージェントバンドにおける手続き的公正性
• Authors: Joshua Caiata, Carter Blair, Kate Larson,
• Abstract要約: 我々は、すべてのエージェントに対して平等な意思決定力を提供する新しい公正目標、手続き的公正を導入する。 我々は、異なる公正の概念が根本的に異なる値と非互換な値を優先していることを示し、公正性は明示的な規範的選択を必要とすることを強調した。
• 参考スコア（独自算出の注目度）: 6.6764415968019195
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the context of multi-agent multi-armed bandits (MA-MAB), fairness is often reduced to outcomes: maximizing welfare, reducing inequality, or balancing utilities. However, evidence in psychology, economics, and Rawlsian theory suggests that fairness is also about process and who gets a say in the decisions being made. We introduce a new fairness objective, procedural fairness, which provides equal decision-making power for all agents, lies in the core, and provides for proportionality in outcomes. Empirical results confirm that fairness notions based on optimizing for outcomes sacrifice equal voice and representation, while the sacrifice in outcome-based fairness objectives (like equality and utilitarianism) is minimal under procedurally fair policies. We further prove that different fairness notions prioritize fundamentally different and incompatible values, highlighting that fairness requires explicit normative choices. This paper argues that procedural legitimacy deserves greater focus as a fairness objective, and provides a framework for putting procedural fairness into practice.
• Abstract（参考訳）: マルチエージェント・マルチアーム・バンディット(MA-MAB)の文脈では、フェアネスは福祉の最大化、不平等の低減、ユーティリティのバランスといった結果に還元されることが多い。 しかし、心理学、経済学、ラウルシアン理論の証拠は、公正性はプロセスに関するものであり、誰が決定を下すのかを示唆している。 我々は,全てのエージェントに対して平等な意思決定力を提供する新たな公平性目標,手続き的公正性を導入し,その中核に置かれ,結果の比例性を提供する。 実証的な結果は、結果の最適化に基づくフェアネスの概念が平等な声と表現を犠牲にする一方で、結果に基づくフェアネスの目的(平等や実用主義など)の犠牲は、手続き的に公正な政策の下で最小であることを示している。 さらに、異なる公正の概念が根本的に異なる値と非互換な値を優先していることが証明され、公正性には明確な規範的選択が必要であることが強調される。 本稿では、手続き的正当性は公正性の対象としてより重視されるべきであり、手続き的公正性を実践するための枠組みを提供する。

関連論文リスト

• The AI Fairness Myth: A Position Paper on Context-Aware Bias [0.0]
  フェアネスは、歴史的に疎外されたグループに対して、意図的かつ文脈に配慮した優遇措置を必要とする場合もある、と我々は主張する。 偏見を排除の欠陥と見なすのではなく、是正的、意図的な偏見を受け入れる枠組みを提案する。
  論文  参考訳（メタデータ） (2025-05-02T02:47:32Z)
• What's Distributive Justice Got to Do with It? Rethinking Algorithmic Fairness from the Perspective of Approximate Justice [1.8434042562191815]
  不完全な意思決定システムという文脈では、個人間での利益/利益の理想的な分配がどのようなものになるかだけを気にすべきではない、と私たちは主張する。 このためには、アルゴリズムフェアネス研究者として、分配的正義を見極め、公正性基準を使用する方法を再考する必要がある。
  論文  参考訳（メタデータ） (2024-07-17T11:13:23Z)
• Fairness-Accuracy Trade-Offs: A Causal Perspective [58.06306331390586]
  我々は、初めて因果レンズから公正性と正確性の間の張力を分析する。 因果的制約を強制することは、しばしば人口集団間の格差を減少させることを示す。 因果制約付きフェアラーニングのための新しいニューラルアプローチを導入する。
  論文  参考訳（メタデータ） (2024-05-24T11:19:52Z)
• Consistent End-to-End Estimation for Counterfactual Fairness [56.9060492313073]
  本稿では, 対実フェアネスの予測を行うための新しい対実フェアネス予測器を提案する。 我々は,本手法が対実公正性の概念を確実にするのに有効であることを理論的に保証する。
  論文  参考訳（メタデータ） (2023-10-26T17:58:39Z)
• Navigating Fairness Measures and Trade-Offs [0.0]
  私は、Rawlsの公正性の概念をフェアネスとして利用することで、公正性対策と正確なトレードオフをナビゲートするための基盤を作ることができることを示します。 これはまた、分配的正義の哲学的説明と公正文学の間のギャップを埋めるのにも役立っている。
  論文  参考訳（メタデータ） (2023-07-17T13:45:47Z)
• FFB: A Fair Fairness Benchmark for In-Processing Group Fairness Methods [84.1077756698332]
  本稿では,グループフェアネス手法のベンチマークフレームワークであるFair Fairness Benchmark(textsfFFB)を紹介する。 グループフェアネスの異なる概念を確実にするための最先端手法を包括的に分析する。
  論文  参考訳（メタデータ） (2023-06-15T19:51:28Z)
• Causal Fairness for Outcome Control [68.12191782657437]
  本稿では,自動システムにおいて,公平かつ公平な結果変数を最適化することを目的とした,結果制御と呼ばれる特定の意思決定タスクについて検討する。 本稿では、まず因果レンズを通して利益の概念を分析し、特定の個人が肯定的な決定によってどれだけの利益を得られるかを明らかにする。 次に、保護された属性の影響を受けている可能性があることに留意し、これを分析するために使用できる因果的ツールを提案する。
  論文  参考訳（メタデータ） (2023-06-08T09:31:18Z)
• How Robust is Your Fairness? Evaluating and Sustaining Fairness under Unseen Distribution Shifts [107.72786199113183]
  CUMA(CUrvature Matching)と呼ばれる新しいフェアネス学習手法を提案する。 CUMAは、未知の分布シフトを持つ未知の領域に一般化可能な頑健な公正性を達成する。 提案手法を3つの人気フェアネスデータセットで評価する。
  論文  参考訳（メタデータ） (2022-07-04T02:37:50Z)
• Are There Exceptions to Goodhart's Law? On the Moral Justification of Fairness-Aware Machine Learning [14.428360876120333]
  公正度対策はグッドハートの法則に特に敏感であると主張する。 公正度尺度の正当性に関する道徳的推論の枠組みを提示する。
  論文  参考訳（メタデータ） (2022-02-17T09:26:39Z)
• Towards the Right Kind of Fairness in AI [3.723553383515688]
  フェアネスコンパス(Fairness Compass)は、特定のシステムに対して最も適切なフェアネスメトリックを簡単かつ簡単な手順で特定するツールである。 私たちは、このプロセスの過程で各決定の背後にある推論を文書化することは、ユーザーからの信頼を構築するのに役立ちます。
  論文  参考訳（メタデータ） (2021-02-16T21:12:30Z)
• Algorithmic Decision Making with Conditional Fairness [48.76267073341723]
  条件付きフェアネスを、条件付きフェアネス変数の条件付けにより、より健全なフェアネス計量として定義する。 本稿では,アルゴリズム決定の精度と公平性のトレードオフを追跡するために,導出条件公正規則化器(DCFR)を提案する。
  論文  参考訳（メタデータ） (2020-06-18T12:56:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。