Detecting and Mitigating Bias by Treating Fairness as a Symmetry Operation

Diese Forschung formalisiert Voreingenommenheit in maschinellen Lernsystemen als Symmetriebrechung und definiert Fairness als Invarianz unter dem kontrafaktischen Wechsel sensibler Attribute. Sie implementiert verlustbasierte Regularisierung zur Wiederherstellung der Symmetrie und erreicht über 90% Reduktion von Voreingenommenheitsverletzungen mit etwa 5% Genauigkeitskosten.