Buchumschlag

Predicting Fairness of ML Software Configurations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Herrera, Salvador Robles, Monjezi, Verya, Kreinovich, Vladik, Trivedi, Ashutosh, Tizpaz-Niari, Saeid
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering Artificial Intelligence Computers and Society Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Uncovering Discrimination Clusters: Quantifying and Explaining Systematic Fairness Violations
von: Akash, Ranit Debnath, et al.
Veröffentlicht: (2025)

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

On the Robustness of Fairness Practices: A Causal Framework for Systematic Evaluation
von: Monjezi, Verya, et al.
Veröffentlicht: (2026)

Metamorphic Debugging for Accountable Software
von: Tizpaz-Niari, Saeid, et al.
Veröffentlicht: (2024)

Worst-Case Convergence Time of ML Algorithms via Extreme Value Theory
von: Tizpaz-Niari, Saeid, et al.
Veröffentlicht: (2024)

An LLM Agentic Approach for Legal-Critical Software: A Case Study for Tax Prep Software
von: Gogani-Khiabani, Sina, et al.
Veröffentlicht: (2025)

NeuFair: Neural Network Fairness Repair with Dropout
von: Dasu, Vishnu Asutosh, et al.
Veröffentlicht: (2024)

On the Potential and Limitations of Few-Shot In-Context Learning to Generate Metamorphic Specifications for Tax Preparation Software
von: Srinivas, Dananjay, et al.
Veröffentlicht: (2023)

Technical Challenges in Maintaining Tax Prep Software with Large Language Models
von: Gogani-Khiabani, Sina, et al.
Veröffentlicht: (2025)

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

Legal Aspects for Software Developers Interested in Generative AI Applications
von: Herbold, Steffen, 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)

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

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

Navigating Fairness: Practitioners' Understanding, Challenges, and Strategies in AI/ML Development
von: Pant, Aastha, et al.
Veröffentlicht: (2024)

Runtime Monitoring and Enforcement of Conditional Fairness in Generative AIs
von: Cheng, Chih-Hong, et al.
Veröffentlicht: (2024)

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)

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)

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)

Measuring Agents in Production
von: Pan, Melissa Z., et al.
Veröffentlicht: (2025)

Breaking the ICE: Exploring promises and challenges of benchmarks for Inference Carbon & Energy estimation for LLMs
von: Sikand, Samarth, et al.
Veröffentlicht: (2025)

Green AI in Action: Strategic Model Selection for Ensembles in Production
von: Nijkamp, Nienke, et al.
Veröffentlicht: (2024)

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

DC-Check: A Data-Centric AI checklist to guide the development of reliable machine learning systems
von: Seedat, Nabeel, et al.
Veröffentlicht: (2022)

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

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

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

Optimizing Travel Itineraries with AI Algorithms in a Microservices Architecture: Balancing Cost, Time, Preferences, and Sustainability
von: Barua, Biman, et al.
Veröffentlicht: (2024)

Uncertainty and Fairness Awareness in LLM-Based Recommendation Systems
von: Sah, Chandan Kumar, et al.
Veröffentlicht: (2026)

Towards a Classification of Open-Source ML Models and Datasets for Software Engineering
von: González, Alexandra, et al.
Veröffentlicht: (2024)

A Large-Scale Study of Model Integration in ML-Enabled Software Systems
von: Sens, Yorick, et al.
Veröffentlicht: (2024)

ML-On-Rails: Safeguarding Machine Learning Models in Software Systems A Case Study
von: Abdelkader, Hala, 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)

Towards Engineering Fair and Equitable Software Systems for Managing Low-Altitude Airspace Authorizations
von: Gohar, Usman, et al.
Veröffentlicht: (2024)

Towards Equitable Agile Research and Development of AI and Robotics
von: Hundt, Andrew, et al.
Veröffentlicht: (2024)

Automated Knowledge Component Generation for Interpretable Knowledge Tracing in Coding Problems
von: Duan, Zhangqi, et al.
Veröffentlicht: (2025)