Detecting and Mitigating Bias by Treating Fairness as a Symmetry Operation

Cette recherche formalise le biais dans les systèmes d'apprentissage automatique comme une rupture de symétrie, définissant l'équité comme l'invariance sous l'opération contrefactuelle de changement d'attribut sensible. Elle met en œuvre une régularisation basée sur la perte pour restaurer la symétrie, réduisant la violation du biais de plus de 90% avec un coût de précision d'environ 5%.