XiaoMi-AI文件搜索系统
World File Search System歧视性
性别平等、包容和非歧视计划...
2.1. 确保采用符合平等和非歧视原则的招聘和选拔标准和程序，不论是基于性别还是其他因素。 2.2. 确保评估和晋升过程的透明度，以避免基于性别或其他歧视性因素的偏见。 2.3. 公开在学校、专业或评估表现范围内保护工人和学生的法律机制，即关于保护父母身份的机制。 2.4. 鼓励采用支持和辅导措施，以促进在决策、管理和领导角色中被认为具有歧视性因素的人员在质量和/或数量上的均衡代表性。 2.5. 尽可能促进陪审团、小组、委员会和其他招聘和评估机构中的性别平等。
阿富汗保护集群倡导...
在阿富汗，鉴于现政权的政策和做法，这一倡导作用尤为紧迫。现政权的代表是 2021 年 8 月掌权的塔利班事实上的当局 (DFA)。自 DFA 接管以来，阿富汗妇女和女童的权利受到严重限制，她们参与公共生活的能力通过无数日益严格的限制性和歧视性法令被有效剥夺。这些歧视性措施进一步加剧了人道主义需求和保护风险，同时也限制了妇女和女童获得基本服务和人道主义援助（包括保护）的机会。除了妇女和女童的权利和保护外，残疾人、宗教和少数民族等也都受到侵蚀，同时平等、正义和不歧视的原则也遭到漠视 1 。
OE案号编号PP-438 NECEC传输有限责任公司
本总统许可的持有人必须按照FPA的适用原则以及在该法规的适用原则以及任何相关的规则，法规，指令，政策声明以及通过其下通过或已发行的命令进行运营，其中包括FERC命令号的可比开放访问规定888，修订。跨境电力贸易应受到适用于州际贸易传播的可比开放访问和非歧视性的相同原则。请参阅Enron Power Mktg。，Inc。诉El Paso Elec。Co.，77 FERC¶61,013（1996），REH'G被拒绝，83FERC¶61,213（1998））。因此，DOE希望边境设施的所有者遵守适用于国内州际公路传输的相同开放访问和非歧视性的相同原则。vi。订单
人工智能中的年龄歧视：人工智能时代的新年龄歧视形式……
摘要。研究人工智能公平性和伦理的学者已经成功且批判性地识别了与性别和种族社会类别有关的歧视性结果。公平性的突出审查对于人工智能造福社会的辩论至关重要，但对年龄这一关键类别的关注却不足。在数字化和人工智能的转向过程中，老龄化人口在很大程度上被忽视了。人工智能中的年龄歧视可以表现为五种相互关联的形式：（1）算法和数据集中的年龄偏见，（2）人工智能参与者的年龄刻板印象、偏见和意识形态，（3）人工智能话语中老年人的隐形，（4）使用人工智能技术对不同年龄组产生歧视性影响，（5）将他们排除在人工智能技术、服务和产品的用户之外。此外，本文还对人工智能中这些形式的年龄歧视进行了说明。
2024 年人工智能工作组报告 - WaTech
当应用于诸如审查求职者简历和信贷申请等决策时，人工智能模型可能会加剧歧视和不公平。33 算法偏见是指算法（包括人工智能系统）中内置的偏见，无论是有意还是无意，都会导致不公平，包括排斥性经历和歧视性做法。34 著名的研究发现，面部识别技术在不同人口群体中的表现不同，深色皮肤女性的错误率要高得多，因为该算法没有针对广泛的肤色和面部结构进行训练。35 在另一个背景下，当金融机构使用人工智能系统进行贷款决策时，由于包括红线在内的歧视性政策，历史数据中的偏见可能会被复制，从而加剧现有的差距。36
模块化引导的功能性脑网络分析，用于早期痴呆症识别
功能大脑网络（FBN）分析表明，在识别脑部疾病（例如阿尔茨海默氏病（AD）及其前驱阶段，即轻度认知障碍（MCI））方面具有巨大潜力。必须从功能大脑网络中识别歧视性和可解释的特征，以提高分类性能并帮助我们理解与广告相关的脑疾病的病理机制。以前的研究通常从FBN提取节点统计或边缘权重来表示每个受试者。但是，这些方法通常忽略了FBN的拓扑结构（例如模块化）。为了解决此问题，我们提出了一个模块化 - LASSO特征选择（MLFS）框架，该框架可以明确对模块化信息进行建模，以识别FBN的歧视性和可解释功能，以进行自动化AD/MCI分类。特别是，提出的MLFS方法首先通过签名的光谱群集算法搜索FBN的模块化结构，然后通过模块化诱导的组LASSO方法选择判别特征，然后使用支持向量机（SVM）进行分类。为了评估所提出的方法的有效性，对公共ADNI数据库的563个静止状态功能性MRI扫描进行了广泛的实验，以识别正常对照的AD/MCI的受试者，并预测MCI受试者的未来进展。实验结果表明，我们的方法在AD/MCI识别任务和MCI转换预测的两个任务中都优于以前的方法，还有助于发现与AD相关的歧视性脑区域和功能连接性。
掩盖了判别性自我...
自我监督的表示学习（SSL）（Balesteriero等人，2023年）近年来已经成为表示学习的基石。诸如Openai剪辑之类的模型（Radford等人，2021）示例SSL方法如何产生适用于广泛下游任务的表达性表示。此范式依赖于配对的观测值（配对的视图或共享相同内容的方式）来提取有意义的特征。从广义上讲，SSL方法分为两类：歧视性和生成性（或基于重建）。歧视性SSL（Chen等人，2020年）旨在确保比随机采样观测值在潜在空间中更接近配对观测的表示。相反，基于重建的SSL（He等人，2022）涉及从其对中重建一个观察结果。在多视图设置中，数据增强技术（例如图像裁剪和颜色抖动）通常用于人为地创建单个单个观测值。在这些增强中，事实证明，图像裁剪特别有影响力，推动了视觉学习模型（例如Meta's Dino）（Caron等人，2021; Oquab等。，2023）和JEPA（Assran等人，2023）。最近的研究（Bizeul等人，2024）1表明，在图像域中，掩盖（概念上类似于裁剪），而不是单个图像像素可以生成图像对，从而促进基于重建的SSL中表达特征的学习。，2023）。在这个项目中，我们的目标是投资于将类似方法应用于歧视性SSL是否可以产生可比的好处，专门针对Dino，Jepa和Siglip（Zhai等人。
来自可再生能源拍卖的证据
政府越来越多地使用拍卖来选择供应商并确定政策支持水平。在可再生能源 (RE) 投资的背景下，它们已成为正在进行的能源转型中的主导因素。本文利用德国可再生能源按出价付费拍卖 (2015-2019) 的独特出价水平数据来记录这个新建立的市场中企业的竞标行为，并通过估计多单位拍卖的结构模型来收回竞标者的成本。我们表明竞标行为随着时间的推移而发生了变化，并探索推动观察到的价格演变的替代机制，并进行反事实分析以检查实施非歧视性拍卖形式的影响。我们的主要研究结果表明，采用非歧视性拍卖将减少补贴支出并减轻市场力量。通过确定影响竞标价格和成本的因素，我们的实证见解为旨在促进可再生能源采用的环境政策的设计提供了指导。
