論文の概要: The Pokémon Theorem and other Fairness Impossibility Results

• arxiv url: http://arxiv.org/abs/2605.09221v1
• Date: Sat, 09 May 2026 23:37:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:50.121254
• Title: The Pokémon Theorem and other Fairness Impossibility Results
• Title（参考訳）: ポケモン理論とその他の公正不合理性
• Authors: Daniel Matsui Smola, Alex Smola,
• Abstract要約: 条件付き平均埋め込みに対する線形制約が公平性基準であることが示される。 また、不平等な基準レートが、これらの制約を過大評価する総予想の法則を成していることも示している。
• 参考スコア（独自算出の注目度）: 6.291388054687868
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fairness impossibility results often look like distinct scalar incompatibility statements. We show that several share one RKHS geometry: fairness criteria are linear constraints on conditional mean embeddings, and unequal base rates make the law of total expectation overdetermine those constraints. This view yields four results. The Kleinberg--Mullainathan--Raghavan dichotomy needs only group-conditional unbiasedness, not full calibration. The \emph{Pokémon theorem} shows that a distinct group pair satisfying any finite collection of linear mean-fairness criteria leaves a residual violation witnessed by the MMD, decaying at the Kolmogorov $m$-width rate under spectral regularity. The same tools prove an impossibility for fair feature learning: parity and class-conditional separation in representation space force class collapse under unequal base rates. The approximate relaxations yield signal and error frontiers, allowing a trade-off between real-world estimators and fairness goals. Experiments on standard fairness benchmarks are consistent with our bounds.
• Abstract（参考訳）: 公正不合理性の結果は、しばしば別のスカラー不合理性ステートメントのように見える。 公平性基準は条件付き平均埋め込みに対する線形制約であり、不平等なベースレートはそれらの制約を過度に決定する総予想の法則である。 この見解は4つの結果をもたらす。 Kleinberg--Mullainathan--Raghavan二分法は、完全な校正ではなく、グループ条件の不偏性のみを必要とする。 \emph{Pokémon theorem} は、線形平均フェアネス基準の有限個の集合を満たす異なる群対がMDDによって確認された残差違反を残し、スペクトル正則性の下でコルモゴロフ$m$-幅の速度で崩壊することを示している。 同じツールが公正な特徴学習の不可能性を証明している: 表現空間力クラスにおけるパリティとクラス条件分離は、不平等なベースレートで崩壊する。 近似緩和は信号とエラーフロンティアを発生させ、現実世界の推定値と公正度目標とのトレードオフを可能にする。 標準公正度ベンチマークの実験は、我々の限界と一致している。

関連論文リスト

• Unregularized Linear Convergence in Zero-Sum Game from Preference Feedback [50.89125374999765]
  NLHFにおける最適乗算重み更新(mathtOMWU$)に対する最初の収束保証を提供する。 本分析では, 稀に発生する行動の確率が指数関数的に小さい値から指数関数的に増大する新たな限界収束挙動を同定する。
  論文  参考訳（メタデータ） (2025-12-31T12:08:29Z)
• Equal Opportunity of Coverage in Fair Regression [50.76908018786335]
  我々は、予測の不確実性の下で公正な機械学習(ML)を研究し、信頼性と信頼性のある意思決定を可能にする。 本研究は,(1)類似した結果の異なる集団に対するカバー率が近いこと,(2)人口全体のカバー率が一定水準にあること,の2つの特性を達成することを目的としたカバーの平等機会(EOC)を提案する。
  論文  参考訳（メタデータ） (2023-11-03T21:19:59Z)
• Doubly Constrained Fair Clustering [11.11449872883085]
  Group Fairness (GF) と Diversity in Center Selection (DS) は、クラスタリングにおける最も顕著な人口統計学的表現フェアネスの概念である。 1つの制約 (GF または DS のみ) に対して定数近似アルゴリズムが与えられた場合、両方の制約を同時に満たす定数近似解が得られることを示す。 GF と DS は、他の距離に基づくフェアネスの概念の集合と相容れないことを示す。
  論文  参考訳（メタデータ） (2023-05-31T01:04:55Z)
• The Possibility of Fairness: Revisiting the Impossibility Theorem in Practice [5.175941513195566]
  非互換な公正性制約を満たすようなモデルの大規模な集合を同定することは可能であることを示す。 私たちは、実践者が、いつ、そして、どのようにして、複数の基準に沿った公平性を達成できるかを理解するためのツールとガイダンスを提供します。
  論文  参考訳（メタデータ） (2023-02-13T13:29:24Z)
• Is the Moon there if nobody looks: A reply to Gill and Lambare [0.0]
  最近のプレプリントでGill and Lambare氏は、私たちの論文をFrontiers in Physicsで批判しています。 彼らは確率的カップリングを定義し、BI-CHSHはすべての有限標本を保持できる。 これらの確率変数の合同確率分布は存在せず、不等式を導出するのに使われないかもしれない。
  論文  参考訳（メタデータ） (2022-09-16T14:59:24Z)
• Bounding and Approximating Intersectional Fairness through Marginal Fairness [7.954748673441148]
  機械学習における差別は、しばしば複数の次元に沿って生じる。 すなわち、どの部分群も差別されないことを保証することが望ましい。
  論文  参考訳（メタデータ） (2022-06-12T19:53:34Z)
• Distribution of Classification Margins: Are All Data Equal? [61.16681488656473]
  我々は理論的に動機付け、トレーニングセット上のマージン分布の曲線の下の領域が実際は一般化のよい尺度であることを実証的に示す。 結果として生じる"高いキャパシティ"機能のサブセットは、異なるトレーニング実行間で一貫性がない。
  論文  参考訳（メタデータ） (2021-07-21T16:41:57Z)
• GroupifyVAE: from Group-based Definition to VAE-based Unsupervised Representation Disentanglement [91.9003001845855]
  他の誘導バイアスを導入しないと、VAEベースの非監視的非絡み合いは実現できない。 グループ理論に基づく定義から導かれる制約を非確率的帰納的バイアスとして活用し,vaeに基づく教師なし不連続に対処する。 提案手法の有効性を検証するために,5つのデータセット上で,vaeベースモデルが最も目立つ1800モデルをトレーニングした。
  論文  参考訳（メタデータ） (2021-02-20T09:49:51Z)
• A Unified Joint Maximum Mean Discrepancy for Domain Adaptation [73.44809425486767]
  本論文は,最適化が容易なjmmdの統一形式を理論的に導出する。 統合JMMDから、JMMDは分類に有利な特徴ラベル依存を低下させることを示す。 本稿では,その依存を促進する新たなmmd行列を提案し,ラベル分布シフトにロバストな新しいラベルカーネルを考案する。
  論文  参考訳（メタデータ） (2021-01-25T09:46:14Z)
• A Weaker Faithfulness Assumption based on Triple Interactions [89.59955143854556]
  より弱い仮定として, 2$-adjacency faithfulness を提案します。 より弱い仮定の下で適用可能な因果発見のための音方向規則を提案する。
  論文  参考訳（メタデータ） (2020-10-27T13:04:08Z)

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。