决策算法在社会中的存在感如今正在迅速增加,同时人们也开始担心其透明度以及这些算法可能成为新的歧视来源。事实上,许多相关的自动化系统已被证明会根据敏感信息做出决策或歧视某些社会群体(例如,某些用于人员识别的生物特征识别系统)。为了研究当前基于异构信息源的多模态算法如何受到数据中的敏感元素和内部偏见的影响,我们提出了一个虚构的自动招聘测试平台:FairCVtest。我们使用一组有意识地以性别和种族偏见进行评分的多模态合成档案来训练自动招聘算法。FairCVtest 展示了此类招聘工具背后的人工智能(AI)从非结构化数据中提取敏感信息并以不良(不公平)的方式将其与数据偏见结合起来的能力。最后,我们列出了最近开发能够从深度学习架构的决策过程中删除敏感信息的技术的列表。我们使用其中一种算法(SensitiveNets)来实验歧视感知学习,以消除我们多模态 AI 框架中的敏感信息。我们的方法和结果展示了如何生成更公平的基于 AI 的工具,特别是更公平的自动招聘系统。
摘要 隐性性别偏见会给职场女性带来代价高昂且复杂的后果,许多女性报告称自己遭受了性别微侵犯,这导致她们被忽视或不尊重。我们呈现了一个在线桌面虚拟环境,从第一人称视角讲述了男性或女性自我形象的故事,他们要么经历积极要么消极的工作场景。消极场景包括许多来自性别微侵犯分类的例子。与拥有男性自我形象的参与者相比,与女性自我形象有过消极职场体验的参与者的隐性性别偏见水平显著降低。有证据表明,在消极条件下,女性自我形象表现出同理心和观点采择。无论自我形象的性别如何,积极的职场场景体验都没有表明隐性性别偏见显著减少。我们讨论了这些发现的含义,并就减少隐性偏见提出了虚拟环境技术和场景的建议。
文本到图像生成模型正变得越来越流行,公众可以访问。由于这些模型看到大规模的部署,因此有必要深入研究其安全性和公平性,以免消散和永久存在任何形式的偏见。然而,存在的工作重点是检测封闭的偏见集,定义了先验的偏见,将研究限制为众所周知的概念。在本文中,我们解决了出现OpenBias的文本到图像生成模型中开放式偏见检测的挑战,该模型是一条新管道,该管道可识别和量化双质量的严重性,而无需访问任何预编译的集合。OpenBias有三个阶段。在第一阶段,我们利用大型语言模型(LLM)提出偏见,给定一组字幕。其次,目标生成模型使用相同的字幕绘制图像。最后,一个视觉问题回答模型认识到了先前提出的偏见的存在和范围。我们研究了稳定扩散1.5、2和XL强调新偏见的稳定扩散,从未研究过。通过定量实验,我们证明了OpenBias与当前的封闭式偏见检测方法和人类判断一致。
另请参阅:可穿戴传感器在 SARS-CoV-2 感染检测中的表现:系统评价,Mitratza 和 Goodale 等人。《柳叶刀数字健康》
不仅包括隐性偏见或个人歧视,还包括鼓励和助长这种歧视的规则和实践结构。1 结构性种族主义的一个定义是“社会通过相互加强的住房、教育、就业、收入、福利、信贷、媒体、医疗保健和刑事司法系统助长种族歧视的全部方式”。3 衡量种族主义具有挑战性。它不仅可能是主观的,而且还可能带有政治色彩,并且基于难以收集的数据。尽管如此,为了监测变化和设定目标,有一个可衡量的结果至关重要。出于这个原因,出现了许多衡量种族主义的方法,包括感知歧视量表。3
* 我们感谢 Fabian Trottner 的深入讨论。我们还感谢 Pol Antr`as、David Autor、Costas Arkolakis、Gideon Bornstein、Laura Castillo-Martinez、Jonathan Dingel、Pierre- Olivier Gourinchas、Gordon Hanson、J. Bradford Jensen、Tom Kemeny、Chris Moser、Michael Peters、Esteban Rossi-Hansberg 和 Steve Redding 的深刻评论。本文表达的任何观点均为作者观点,不代表美国人口普查局的观点。人口普查局的披露审查委员会和披露避免官员已审查此信息产品是否存在未经授权披露机密信息的情况,并已批准了此新闻稿中采用的披露避免做法。本研究由联邦统计研究数据中心根据 FSRDC 项目编号 2193(CBDRB-P2193-R8942、R9405、R9629 和 R10013)进行。Eckert 和 Walsh 感谢普林斯顿大学国际经济系完成本研究的部分工作。本文的当前版本取代了“熟练可扩展服务:经济增长中的新城市偏好”。† 加州大学圣地亚哥分校;fpe@ucsd.edu ‡ 乔治城大学;sharat.ganapati@georgetown.edu § 哥伦比亚大学;caw2226@columbia.edu
Ilias Giannopoulos 联系方式:ilias@roes.coop,+306947167887 出生日期:1998 年 6 月 5 日 国籍:希腊语 语言技能:英语流利、希腊语流利、基础西班牙语 个人资料 Ilias Giannopoulos 注重流程、以人为本,热爱个人发展,在 Erasmus+、国际培训、个人和职业发展等领域拥有丰富的专业知识。作为一个自信且善于表达的沟通者,我的方法围绕让事情“简单而重要”,激励个人全力以赴。致力于培育积极和平的文化,通过培训、指导和辅导来庆祝成就。Ilias 热衷于年轻人的积极参与和基于价值观的学习,他还将自己在欧洲培训战略 (ETS) 方面的专业知识带入个人和组织,以开发学习机会。作为国际青年工作培训师协会的成员,Ilias 守护着青年工作的实践,并支持高质量的培训和非正规教育。要点
从Staatliches博物馆fürnaturkundeStuttgart(SMNS)收藏I.来自上奥列内基(A – C)和下Anisian(DF)的标本。A. parotosuchus nasutus(SMNS 5776),下solling fm。B. trematosaurus brauni(SMNS 6207a),下solling fm。C。Rhynchosauroides?schochardti,凸低音(SMNS未经致电),中部Buntsandstein。D. Chirotherium barthii,凸低音(SMNS 4228),上部Solling FM。(Thüringischerchirotheriensandstein)。E. Marcianosuchus angustifrons(SMNS 91318,全型),RötFm。F. Rhynchosauroides ISP。(rhy)和Procolophonichnium(Pro),凸低音(SMNS 51514),Vossenveld FM。信用:地球科学评论(2025)。doi:10.1016/j.earscirev.2025.105085
抽象背景:尽管使用了广泛使用,但与分布量比(DVR)相比,半定量标准化吸收率(SUVR)可能会偏差。这种偏见可能是由脑血流变化(CBF)部分解释的,并且可能还取决于基础淀粉样蛋白β(Aβ)负担的程度。这项研究旨在将SUVR与DVR进行比较,并评估基本Aβ负担和CBF对SUVR偏置的影响,主要是认知未损害的参与者。根据双重时间窗口协议扫描参与者,其中[18 f]氟甲莫(n = 90)或[18 f] florbetaben(n = 31)。使用了两步简化的参考组织模型的基于验证的基于函数的实现来得出DVR和R 1参数图像,并在注射后90至110分钟计算出SUVR,所有这些都以小脑灰质作为参考组织。首先,使用线性恢复和平淡的altman分析将(区域)SUVR与DVR进行比较。然后,应用广义线性模型来评估(偏置)相对于DVR(偏置)是否可以通过r 1来解释全球皮质平均(GCA),前胎,后扣带回和眶额区域。结果:尽管相关性很高(GCA:R2≥0.85),但观察到SUVR相对于DVR的大量高估和比例偏置。在SUVR或SUVR偏置和R 1之间观察到负相关,尽管不显着。结论:目前的发现表明,SUVR相对于DVR的偏差与潜在的Aβ负担密切相关。Eudract编号:2018-002277-22,注册:25-06-2018。此外,在主要由认知未受损的个体组成的队列中,相对CBF对SUVR中偏差的影响似乎有限。关键字:阿尔茨海默氏病,淀粉样蛋白宠物,脑血流,定量,suvr偏见
摘要:SAPHO综合征是一种系统性炎症性疾病,其特征是皮肤病变和骨骼和关节的炎症变化。对SAPHO综合征的治疗策略尚无共识。对于难治性SAPHO综合征患者,可以考虑生物剂。我们报告了三名对常规疗法反应不佳的患者,他们在接受secukinumab后所有这些患者都有脓疱病的矛盾复发,并且在调整到tofacitinib后解决了矛盾的脓疱病。我们审查了文献,并得出结论,Secukinumab可能对治疗Sapho综合征可能有风险。皮疹的这种矛盾加重可能与矛盾的牛皮癣有关。特定的发病机理尚不清楚,tofacitinib可能是这种情况的一种补救措施。关键字:Sapho,PPP,IL-17,Secukinumab,矛盾的牛皮癣