热点事件持续更新
A Rank Graduation metric for Algorithmic fairness
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026-10-01，arXiv 发表统计学/机器学习论文，提出基于排序的公平性评估框架 Rank Graduation Fairness（RGF）及综合指标 AURGF，结合中心化 Cramér–von Mises 置换检验与特征移除程序，用于解释不公平性来源。在 HMDA 抵押贷款数据上的实验表明，基于树的模型在预测精度与排序公平性上表现最强，且四种模型的公平性零假设均被拒绝，不公平性并非由单一算法或特征导致。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv · Statistics Machine LearningA Rank Graduation metric for Algorithmic fairness
论文提出基于排序的公平性评估框架 Rank Graduation Fairness（RGF）及其综合指标 AURGF，结合中心化 Cramér–von Mises 置换检验与特征移除程序，用于解释不公平性的来源。在 HMDA 抵押贷款数据上的实验表明，基于树的模型在预测精度与排序公平性上表现最强，且四种模型的公平性零假设均被拒绝，不公平性并非由单一算法或特征导致。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。