経験的尤度に基づく公平性監査：分布に依存しない認証とフラグ付け
TL;DR機械学習モデルの公平性を監査するための新しいフレームワークとして、経験的尤度（EL）に基づいた手法が提案されました。この手法はデータ分布の仮定を置かないノンパラメトリックなアプローチであり、計算コストを大幅に削減しつつ、高い精度でバイアスの認証と特定が可能であることが示されました。
Cog AI Archive
最新の記事
人気記事ピックアップ
RedSage: サイバーセキュリティに特化した汎用LLM
TL;DRRedSageは、プライバシーリスクを回避しつつ多様なセキュリティ業務を支援するために開発された、オープンソースのサイバーセキュリティ特化型LLMである。118億トークンの専門データによる事前学習と、エージェントベースのパイプラインで生成された26.6万件の指示データによる調整を経て、既存モデルを上回る性能を実現した。
条件付き分位点対比（CQC）の直接的かつ二重にロバストな推定法
TL;DR条件付き処置効果（HTE）分析において、共変量と未処置応答の両方を条件とする「条件付き分位点対比（CQC）」の初めての直接推定法が提案されました。従来の間接的な手法とは異なり、CQCを直接モデル化することで解釈性を高め、理論的にも二重にロバストな性質を維持しつつ、推定精度を向上させています。
保存済みの記事がまだありません。
読み込み中…