arXiv · Computers and Society· Rohith Reddy Bellibatlu, Manpreet Singh, Deepak Parashar, Rahul Joshi·· 8 hr agoSelectedAI score64
FairMedAgent：临床 LLM 智能体公平性审计中的噪声基线与偏差分离
Instability Floors: Separating Bias from Noise in Fairness Audits of Clinical LLM Agents with FairMedAgent
AI brief
该研究提出 Instability Floors 方法，用于分离临床 LLM 智能体公平性审计中的真实偏差与随机噪声。通过对 16 个合成 vignette 重复采样测量，发现默认配置下智能体动作翻转率为 8.7%，六款模型池化基线范围为 2.5%–23.7%。
Why it matters
原文给出了临床 LLM 智能体公平性审计中的噪声基线方法，读者可据此判断现有翻转率结论是否可靠。
Source: arXiv · Computers and Society · arxiv.org