Detecting and Mitigating Bias by Treating Fairness as a Symmetry Operation

O artigo formaliza o viés em sistemas de aprendizado de máquina como uma quebra de simetria, propondo a equidade como invariância sob a troca de atributos sensíveis. O framework usa regularização baseada em perdas para restaurar a simetria, reduzindo a violação de viés em mais de 90% com custo de precisão de cerca de 5%.