論文の概要: Tolerance-Based Fairness Auditing: Violation Certification and Sensitivity Screening

• arxiv url: http://arxiv.org/abs/2610.01005v1
• Date: Thu, 01 Oct 2026 03:49:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.884437
• Title: Tolerance-Based Fairness Auditing: Violation Certification and Sensitivity Screening
• Title（参考訳）: 耐久性に基づく公正監査:換気認証と感性スクリーニング
• Abstract要約: 本研究では,2つの相補的な監査目的のための統一された寛容に基づく公正監査フレームワークを開発する。 最初の目的として、最小点校正を用いた形式的設定のための制約付き経験的可能性テストを開発する。 第2の目的は, 適応的境界-プロキシ原理を用いて, 分割実験可能性と調整された分割実験可能性テストを開発することである。
• 参考スコア（独自算出の注目度）: 19.29504560850396
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As artificial intelligence is increasingly deployed, algorithmic unfairness has raised growing concerns and intensified demands for transparent fairness auditing. In practice, the tolerable degree of algorithmic unfairness depends on the specific legal, ethical, or application context. Given a prespecified tolerance threshold, an important statistical question is how to determine whether a group disparity exceeds the allowable tolerance across different auditing objectives. To address this problem, we develop a unified tolerance-based fairness auditing framework for two complementary auditing objectives: violation certification, which prioritizes control of false violation declarations, and sensitivity screening, which prioritizes reducing missed violations. For the first objective, we develop a constrained empirical likelihood test for formal settings that uses least-favorable-point calibration and can be combined with false flagging rate control for simultaneous subgroup auditing. For the second objective, we develop split empirical likelihood and adjusted split empirical likelihood tests using an adaptive boundary-proxy principle for early-warning settings. Numerical experiments show the distinct error-control--sensitivity trade-offs of these procedures. A COMPAS analysis illustrates the framework in predictive fairness auditing.
• Abstract（参考訳）: 人工知能がますます普及するにつれて、アルゴリズム上の不公平さが増大し、透明性の高い公正監査に対する要求が強まっている。 実際には、アルゴリズムの不公平性の許容できる程度は、特定の法的、倫理的、あるいは適用状況に依存する。 所定の許容しきい値が与えられた場合、重要な統計的疑問は、グループ格差が様々な監査対象に対して許容される許容許容許容許容値を超えるかどうかを決定することである。 この問題に対処するために、偽違反宣言の制御を優先する違反認定と、見逃した違反の低減を優先する感度検査という、2つの相補的な監査目的のための統一された寛容ベースの公正監査フレームワークを開発する。 最初の目的として、最小限のポイントキャリブレーションを用いた形式的設定のための制約付き経験的可能性テストを開発し、同時にサブグループ監査のための偽フラグ付け率制御と組み合わせることができる。 第2の目的は、早期警戒設定のための適応境界-プロキシ原理を用いて、分割実験可能性と調整された分割実験可能性テストを開発することである。 数値実験により、これらの手順の異なる誤差制御感度トレードオフが示される。 COMPAS分析は、予測公正監査の枠組みを説明する。

関連論文リスト

• PRIME: A Process-Outcome Alignment Benchmark for Verifiable Reasoning in Mathematics and Engineering [71.15346406323827]
  本稿では,プロセス・アウトカム・アライメント・アライメント・検証における検証結果を評価するベンチマークであるPRIMEを紹介する。 現在の検証器は、しばしば導出欠陥を検出するのに失敗する。 本稿では,PRIMEで選択した検証手法を利用したプロセス認識型RLVRトレーニングパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-02-12T04:45:01Z)
• Falsifying Predictive Algorithm [2.4006298200630343]
  意図しないモデル行動に関する実証的な研究は、アルゴリズムが意図されたことよりも別の結果を予測していることを示すことが多い。 本稿では,差別的妥当性に関する統計的検証を原則として行うファルシフィケーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-23T19:57:43Z)
• Preventing the Collapse of Peer Review Requires Verification-First AI [49.995126139461085]
  我々は、真理結合、すなわち、過度に科学的真理をトラックする場所のスコアの厳密さを提案する。 プロキシ・ソブリン評価に向けた相転移を駆動する2つの力の形式化を行う。
  論文  参考訳（メタデータ） (2026-01-23T17:17:32Z)
• Exposing the Illusion of Fairness: Auditing Vulnerabilities to Distributional Manipulation Attacks [4.44828379498865]
  規制主導の監査は、世界的な公正度指標にますます依存している。 フェアネス基準を人工的に満たすためのデータサンプルの操作方法を示す。 次に、このような操作を検出する方法を研究する。
  論文  参考訳（メタデータ） (2025-07-28T11:01:48Z)
• SConU: Selective Conformal Uncertainty in Large Language Models [59.25881667640868]
  SconU(Selective Conformal Uncertainity)と呼ばれる新しいアプローチを提案する。 我々は,特定の管理可能なリスクレベルで設定されたキャリブレーションの不確実性分布から,与えられたサンプルが逸脱するかどうかを決定するのに役立つ2つの共形p値を開発する。 我々のアプローチは、単一ドメインと学際的コンテキストの両方にわたる誤発見率の厳密な管理を促進するだけでなく、予測の効率を高める。
  論文  参考訳（メタデータ） (2025-04-19T03:01:45Z)
• Peer-induced Fairness: A Causal Approach for Algorithmic Fairness Auditing [0.0]
  欧州連合の人工知能法は2024年8月1日に施行された。 リスクの高いAIアプリケーションは、厳格な透明性と公正な基準に従わなければならない。 本稿では,対実的公正性とピア比較戦略の強みを組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2024-08-05T15:35:34Z)
• The Decisive Power of Indecision: Low-Variance Risk-Limiting Audits and Election Contestation via Marginal Mark Recording [51.82772358241505]
  リスクリミット監査(リスクリミット監査、RLA)は、大規模な選挙の結果を検証する技術である。 我々は、効率を改善し、統計力の進歩を提供する監査の新たなファミリーを定めている。 新しい監査は、複数の可能なマーク解釈を宣言できるように、キャストボイトレコードの標準概念を再考することで実現される。
  論文  参考訳（メタデータ） (2024-02-09T16:23:54Z)
• A Brief Tutorial on Sample Size Calculations for Fairness Audits [6.66743248310448]
  本チュートリアルでは、フェアネス監査に必要なサブグループサンプルサイズを決定する方法についてのガイダンスを提供する。 本研究は,2値分類モデルと混同行列の要約として導出された多重公平度指標の監査に適用できる。
  論文  参考訳（メタデータ） (2023-12-07T22:59:12Z)
• Error Parity Fairness: Testing for Group Fairness in Regression Tasks [5.076419064097733]
  この研究は、回帰フェアネスの概念としてエラーパリティを示し、グループフェアネスを評価するためのテスト手法を導入する。 続いて、いくつかの統計上のグループを比較し、格差を探索し、影響されたグループを特定するのに適した置換テストが実施される。 全体として、提案された回帰公正性テスト手法は、公正な機械学習文献のギャップを埋め、より大きなアカウンタビリティ評価とアルゴリズム監査の一部として機能する可能性がある。
  論文  参考訳（メタデータ） (2022-08-16T17:47:20Z)

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。