Buchumschlag

Leveraging Imperfect Sources to Detect Fairwashing in Black-Box Auditing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bourrée, Jade Garcia, Merrer, Erwan Le, Tredan, Gilles, Rottembourg, Benoît
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Computers and Society Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

P2NIA: Privacy-Preserving Non-Iterative Auditing
von: Bourrée, Jade Garcia, et al.
Veröffentlicht: (2025)

Fairness Auditing with Multi-Agent Collaboration
von: de Vos, Martijn, et al.
Veröffentlicht: (2024)

Robust ML Auditing using Prior Knowledge
von: Bourrée, Jade Garcia, et al.
Veröffentlicht: (2025)

CodeMirage: A Multi-Lingual Benchmark for Detecting AI-Generated and Paraphrased Source Code from Production-Level LLMs
von: Guo, Hanxi, et al.
Veröffentlicht: (2025)

Permissive-Washing in the Open AI Supply Chain: A Large-Scale Audit of License Integrity
von: Jewitt, James, et al.
Veröffentlicht: (2026)

Carbon Footprint Evaluation of Code Generation through LLM as a Service
von: Vartziotis, Tina, et al.
Veröffentlicht: (2025)

Leveraging Generative AI for Enhancing Automated Assessment in Programming Education Contests
von: Dascalescu, Stefan, et al.
Veröffentlicht: (2025)

Choosing the Right Path for AI Integration in Engineering Companies: A Strategic Guide
von: Dzhusupova, Rimma, et al.
Veröffentlicht: (2023)

Risk Management for Mitigating Benchmark Failure Modes: BenchRisk
von: McGregor, Sean, et al.
Veröffentlicht: (2025)

Contexts Matter: An Empirical Study on Contextual Influence in Fairness Testing for Deep Learning Systems
von: Du, Chengwen, et al.
Veröffentlicht: (2024)

To Err is AI : A Case Study Informing LLM Flaw Reporting Practices
von: McGregor, Sean, et al.
Veröffentlicht: (2024)

Fairpriori: Improving Biased Subgroup Discovery for Deep Neural Network Fairness
von: Zhou, Kacy, et al.
Veröffentlicht: (2024)

FairLay-ML: Intuitive Debugging of Fairness in Data-Driven Social-Critical Software
von: Yu, Normen, et al.
Veröffentlicht: (2024)

Mitigating Attrition: Data-Driven Approach Using Machine Learning and Data Engineering
von: Vijayan, Naveen Edapurath
Veröffentlicht: (2025)

FairSense: Long-Term Fairness Analysis of ML-Enabled Systems
von: She, Yining, et al.
Veröffentlicht: (2025)

BacPrep: Lessons from Deploying an LLM-Based Bacalaureat Assessment Platform
von: Dumitran, Adrian-Marius, et al.
Veröffentlicht: (2025)

Whence Is A Model Fair? Fixing Fairness Bugs via Propensity Score Matching
von: Peng, Kewen, et al.
Veröffentlicht: (2025)

Automated Reproducibility Has a Problem Statement Problem
von: Snelleman, Thijs, et al.
Veröffentlicht: (2025)

Mining patterns in syntax trees to automate code reviews of student solutions for programming exercises
von: Van Petegem, Charlotte, et al.
Veröffentlicht: (2024)

Maturity Framework for Enhancing Machine Learning Quality
von: Castelli, Angelantonio, et al.
Veröffentlicht: (2025)

Data vs. Model Machine Learning Fairness Testing: An Empirical Study
von: Shome, Arumoy, et al.
Veröffentlicht: (2024)

Deep Learning Model Reuse in the HuggingFace Community: Challenges, Benefit and Trends
von: Taraghi, Mina, et al.
Veröffentlicht: (2024)

Machine Learning Models for the Early Detection of Burnout in Software Engineering: a Systematic Literature Review
von: Tulili, Tien Rahayu, et al.
Veröffentlicht: (2026)

Log Probability Tracking of LLM APIs
von: Chauvin, Timothée, et al.
Veröffentlicht: (2025)

The Model Openness Framework: Promoting Completeness and Openness for Reproducibility, Transparency, and Usability in Artificial Intelligence
von: White, Matt, et al.
Veröffentlicht: (2024)

I hope we don't do to trust what advertising has done to love
von: Alglave, Jade
Veröffentlicht: (2026)

Queries, Representation & Detection: The Next 100 Model Fingerprinting Schemes
von: Godinot, Augustin, et al.
Veröffentlicht: (2024)

Predicting Likely-Vulnerable Code Changes: Machine Learning-based Vulnerability Protections for Android Open Source Project
von: Yim, Keun Soo
Veröffentlicht: (2024)

Latent Imitator: Generating Natural Individual Discriminatory Instances for Black-Box Fairness Testing
von: Xiao, Yisong, et al.
Veröffentlicht: (2023)

Privacy and Copyright Protection in Generative AI: A Lifecycle Perspective
von: Zhang, Dawen, et al.
Veröffentlicht: (2023)

Fairness Improvement with Multiple Protected Attributes: How Far Are We?
von: Chen, Zhenpeng, et al.
Veröffentlicht: (2023)

NeurIPS Should Require Reproducibility Standards for Frontier AI Safety Claims
von: Vishwarupe, Varad, et al.
Veröffentlicht: (2026)

An AI System Evaluation Framework for Advancing AI Safety: Terminology, Taxonomy, Lifecycle Mapping
von: Xia, Boming, et al.
Veröffentlicht: (2024)

Fairness Testing through Extreme Value Theory
von: Monjezi, Verya, et al.
Veröffentlicht: (2025)

Federated Data Analytics for Cancer Immunotherapy: A Privacy-Preserving Collaborative Platform for Patient Management
von: Raheem, Mira, et al.
Veröffentlicht: (2025)

Rethinking Technological Readiness in the Era of AI Uncertainty
von: Browne, S. Tucker, et al.
Veröffentlicht: (2025)

Predicting Fairness of ML Software Configurations
von: Herrera, Salvador Robles, et al.
Veröffentlicht: (2024)

MAFT: Efficient Model-Agnostic Fairness Testing for Deep Neural Networks via Zero-Order Gradient Search
von: Wang, Zhaohui, et al.
Veröffentlicht: (2024)

A Conceptual Framework for Ethical Evaluation of Machine Learning Systems
von: Gupta, Neha R., et al.
Veröffentlicht: (2024)

Language model developers should report train-test overlap
von: Zhang, Andy K, et al.
Veröffentlicht: (2024)