論文の概要: A Geometric Theory of Robust Fairness Audits

• arxiv url: http://arxiv.org/abs/2608.24818v1
• Date: Tue, 25 Aug 2026 16:58:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:35.111179
• Title: A Geometric Theory of Robust Fairness Audits
• Title（参考訳）: ロバストフェアネス監査の幾何学的理論
• Abstract要約: 特徴空間における類似した個人間の予測を比較することにより、近隣の公正度監査が個人の公正性を評価する。 特徴空間における小さな摂動は、局所的な地区を変え、異なる公平性評価を生成することができる。 本研究では,境界摂動下での近傍の公正度監査の頑健さを解析するための幾何学的枠組みを開発する。
• 参考スコア（独自算出の注目度）: 2.28438857884398
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Neighborhood-based fairness audits evaluate individual fairness by comparing predictions among similar individuals in feature space. Despite their widespread use, little is known about the robustness of the auditing procedure itself. Because these audits rely on nearest neighbor relationships, small perturbations in feature space can alter local neighborhoods and produce different fairness assessments even when model predictions remain unchanged. We develop a geometric framework for analyzing the robustness of neighborhood-based fairness audits under bounded perturbations. Our analysis establishes sufficient conditions for neighborhood invariance, quantifies how neighborhood replacement propagates to audit instability, and introduces audit volatility, a measure of the expected sensitivity of fairness audits under repeated perturbations. Experiments on benchmark datasets support the theoretical analysis and show that the proposed framework explains the observed stability of neighborhood-based fairness audits.
• Abstract（参考訳）: 特徴空間における類似した個人間の予測を比較することにより、近隣の公正度監査が個人の公正性を評価する。 広く使われているにもかかわらず、監査手続き自体の堅牢性についてはほとんど分かっていない。 これらの監査は近接した近隣関係に依存しているため、特徴空間における小さな摂動は、モデル予測が変化していない場合でも、局所的に変化し、異なるフェアネスアセスメントを生成することができる。 本研究では,境界摂動下での近傍の公正度監査の頑健さを解析するための幾何学的枠組みを開発する。 本分析は, 近所の環境変動に対する十分な条件を定め, 近所の代替品が不安定性検査にどのように伝播するかを定量化し, 繰り返し摂動下での公正度監査の予測感度の尺度である監査ボラティリティを導入する。 ベンチマークデータセットの実験は理論解析を支持し,提案手法が近傍の公正度監査の観測安定性を説明することを示す。

関連論文リスト

• From Stochastic to Stable: Rank Stability and Structural Sufficiency in AI Visibility Measurement [0.0]
  本稿では2つの相補的基準に基づく逐次収束フレームワークを提案する。 ランク安定性は、ランク相関軌道が構造台地に達したかどうかを評価する。 構造的十分性は、確立されたドメイン間での引用共有の拡散が、これらの見積もりの不確実性を上回るかどうかを評価する。
  論文  参考訳（メタデータ） (2026-07-11T14:50:02Z)
• Auditable Climate Risk Intelligence from Fragmented ESG Data: Deterministic Orchestration and Imbalance-Aware Learning for Scope 1-3 Validation [0.0]
  ESGと気候リスクデータは、異質のスコープ1、スコープ2、スコープ3の報告環境で断片化されている。 本稿では, 真理オーケストレーション, 時間的異常検出, 不均衡を考慮したアンサンブル学習, 説明可能性指向ガバナンスを統合した決定論的気候リスクインテリジェンスフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-23T13:33:00Z)
• Discovery of Hidden Miscalibration Regimes [52.452902154360565]
  モデルは何らかの入力を体系的に過信し、他人を過信することがある。 対応する誤校正分野を定義し,それを推定するための診断フレームワークを提案する。 提案手法は,入力空間のキャリブレーションを意識した表現を学習し,学習幾何学におけるカーネルの平滑化による符号付き局所的誤校正を推定する。
  論文  参考訳（メタデータ） (2026-05-13T13:07:50Z)
• Aligning LLM Uncertainty with Human Disagreement in Subjectivity Analysis [57.78407973423517]
  我々は、モデルが人間の不一致を反映した不確実性を表現しながら予測する不確実性を考慮した主観性分析を提唱する。 この視点を運用するために,二相認識と不確実性アライメントの枠組みを提案する。 3つの主観的分析課題の実験は、DPUAが人間の不一致とモデルの不確実性をよりよく整合させながら、タスク性能を保っていることを示している。
  論文  参考訳（メタデータ） (2026-05-11T11:52:58Z)
• Coverage, Not Averages: Semantic Stratification for Trustworthy Retrieval Evaluation [3.4588983513116065]
  検索向上世代(RAG)における検索品質は精度とロバスト性の主要なボトルネックである 我々は,評価を統計的推定問題として定式化し,評価セットの構成によってメートル法信頼性が根本的に制限されていることを示す。 その結果,(1)検索のセマンティック・システマティクスにまたがる形式的カバレッジ保証,(2)検索の失敗モードへの解釈可能な可視性を実現した。
  論文  参考訳（メタデータ） (2026-04-22T16:49:30Z)
• RISE: Interactive Visual Diagnosis of Fairness in Machine Learning Models [3.409008933025072]
  textitRISE(Residual Inspection through Sorted Evaluation)は,分類された残基を解釈可能なパターンに変換するインタラクティブな可視化ツールである。 残留曲線構造を形式的公正性の概念に結合することにより、RISEは局所的な不均一性診断、環境間の部分群比較、隠された公正性問題の検出を可能にする。
  論文  参考訳（メタデータ） (2026-02-04T09:01:21Z)
• TrustJudge: Inconsistencies of LLM-as-a-Judge and How to Alleviate Them [58.04324690859212]
  自動評価器(LLM-as-a-judge)としての大規模言語モデル(LLM)は、現在の評価フレームワークにおいて重大な矛盾を明らかにしている。 スコア比較不整合とペアワイズ・トランジティビティ不整合という2つの基本的不整合を同定する。 我々は2つの重要なイノベーションを通じてこれらの制限に対処する確率的フレームワークであるTrustJudgeを提案する。
  論文  参考訳（メタデータ） (2025-09-25T13:04:29Z)
• Understanding challenges to the interpretation of disaggregated evaluations of algorithmic fairness [49.35494016290887]
  関係する人口を表わすが、実世界の格差を反映するデータである場合、サブグループ間での平等なパフォーマンスは、信頼できない公平さの尺度であることを示す。 本フレームワークでは, 因果関係の明示的な仮定と分析を相補して, 相反や分布変化の制御を提案する。
  論文  参考訳（メタデータ） (2025-06-04T17:40:31Z)
• Aurora: Are Android Malware Classifiers Reliable and Stable under Distribution Shift? [51.12297424766236]
  AURORAは、その信頼性と運用上のレジリエンスに基づいて、マルウェア分類器を評価するためのフレームワークである。 AURORAは、ポイント・イン・タイムのパフォーマンスを超えるように設計されたメトリクスのセットによって補完される。 さまざまなドリフトのデータセットにわたるSOTAフレームワークの脆弱性は、ホワイトボードへの復帰の必要性を示唆している。
  論文  参考訳（メタデータ） (2025-05-28T20:22:43Z)
• Rethinking Robustness in Machine Learning: A Posterior Agreement Approach [41.50777631705435]
  モデル検証の後方合意(PA)理論は、ロバストネス評価のための原則的な枠組みを提供する。 PAは、異なるシフト条件で学習アルゴリズムの脆弱性を信頼性のある分析を行う。 その結果,PAは精度に基づく尺度よりも高い差別性を提供する一方で,監督は不要であることが示唆された。
  論文  参考訳（メタデータ） (2025-03-20T16:03:39Z)
• Regions of Reliability in the Evaluation of Multivariate Probabilistic Forecasts [73.33395097728128]
  時系列予測評価のための適切なスコアリングルールに関する最初の体系的な有限サンプル研究を提供する。 本研究では, 地中構造と予測分布のいくつかの重要な相違点をテストするために, 総合的な総合的合成ベンチマークを用いて解析を行った。
  論文  参考訳（メタデータ） (2023-04-19T17:38:42Z)
• GenDICE: Generalized Offline Estimation of Stationary Values [108.17309783125398]
  重要なアプリケーションでは,効果的な推定が依然として可能であることを示す。 我々のアプローチは、定常分布と経験分布の差を補正する比率を推定することに基づいている。 結果として得られるアルゴリズム、GenDICEは単純で効果的である。
  論文  参考訳（メタデータ） (2020-02-21T00:27:52Z)

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。