劳动力市场长期公平的短期干预
本文针对决策公平性方面的长期影响进行研究,研究人员通过模拟静态公平约束下群体福祉的平等和改进的长期影响以及潜在的干预措施,发现其对于群体福利可同时具有促进平等和增加差距两种影响,同时提出一种理论框架并完成了基于实际数据与模拟动态的社会科学研究。
Oct, 2020
本文研究了在智能决策系统中公平性的一个重大问题,即如何在决策过程中考虑人口的长期影响。我们提出了一个简单却深入的模型,它将考虑到人员选择以及政策对群体资格的影响力,重点研究肯定行动的形式主义。我们的研究明确了这个制约政策对于旨在实现平衡的肯定行动而言的成果,它是对智能决策系统中不断变化着的影响因素与公平性之间关系的重要探究。
Dec, 2018
在这篇论文中,我们提出了一个新的框架,用于在动态系统中实现长期群体公平性,即使在政策设计过程中已经考虑了公平性。我们通过使用时间齐次马尔可夫链对系统动态进行建模,并利用马尔可夫链收敛定理优化政策,确保独特的收敛性。我们给出了一些系统的不同目标公平状态的示例,并展示了我们的方法如何在长期和收敛之前评估不同目标对群体条件人口分布的影响和演化。
Nov, 2023
本研究介绍了 ELF 分类算法,通过考虑决策在人们的生活和福祉中所产生的长期影响,提供高可信的公平性保证,并证明了 ELF 返回不公平解决方案的概率小于用户指定的公差。同时我们的实验表明该算法能够成功地缓解长期的不公平现象。
Aug, 2022
通过引入一个名为 LoTFair 的在线算法,本研究提出了一个框架,用于在具有时间变化公平性约束的动态决策系统中确保长期公平性。研究证明,LoTFair 可以在保持长期性能的同时,使整体公平性违规变得微不足道。
Jan, 2024
通过研究现有文献,本调查从不同角度回顾了长期公平性的研究,并提出了一个分类法。我们突出了一些关键挑战,考虑了未来的研究方向,分析了现有的问题和潜在的深入探索。
Jun, 2024
本文提出了一种在在线强化学习中形式化长期公平的方法;该方法可以适应不同的控制目标,通过牺牲短期激励来推动分类器 - 人群系统朝着更理想的均衡状态发展,从而在损失和公平违规之间实现同时概率边界的算法。
Apr, 2023