机构名称：
¥ 1.0
关于算法公平的大量工作是悲剧。在确定了一套看似理想的公平标准之后，就出现了不可能的定理陈述，确定这些标准仅在完全不切实际的或琐碎的情况下是不一致或一致的（Kleinberg等人。，2017年； Pleiss等。，2017年； Chouldechova，2017年；斯图尔特和尼尔森，2020年； Beigang，2023b）。一个中心示例是由于Kleinberg和合着者的结果而导致的结果，即在某些琐碎的情况下（2017年）之外，两个称为校准和均衡的赔率不一致的约束是不一致的。一种自然反应是削弱均衡的几率。Pleiss等。表明，对于放松均衡赔率的特定方式，出现了新的可能性（2017年）。也已经研究了削弱校准的方法，但导致了更多不可能的结果（Stewart和Nielsen，2020； Stewart等人。，2024）。我们发现校准的相对优点和难以评估的均等几率。，我们认为放松每个标准以绕过不可能结果的探索是值得的。对于本研究，我们将假设均衡的赔率是算法公平的必要条件。鉴于这个假设，我们询问可以在不陷入琐碎的情况下保留哪些有趣的校准内容。我们的类型不是悲剧。我们确定了一种削弱校准的方式，该校准保留了其一些有趣的证词，但与均衡的几率一致。我们称此标准跨度。重要的是要强调，我们不是提出跨越作为算法公平的充分条件。本身就是一个薄弱的标准。在某些方面，这意味着其状态作为必要条件的情况更容易制定。与均衡的赔率相连，更强大，但可能还需要进一步的必要标准。引入
公平算法的新可能性
主要关键词
相关文件推荐
