Buchumschlag

FairPFN: Transformers Can do Counterfactual Fairness

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Robertson, Jake, Hollmann, Noah, Awad, Noor, Hutter, Frank
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Computers and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FairPFN: A Tabular Foundation Model for Causal Fairness
von: Robertson, Jake, et al.
Veröffentlicht: (2025)

Can Fairness be Automated? Guidelines and Opportunities for Fairness-aware AutoML
von: Weerts, Hilde, et al.
Veröffentlicht: (2023)

Counterfactual Fairness with Graph Uncertainty
von: Valério, Davi, et al.
Veröffentlicht: (2026)

A Human-in-the-Loop Fairness-Aware Model Selection Framework for Complex Fairness Objective Landscapes
von: Robertson, Jake, et al.
Veröffentlicht: (2024)

Procedural Fairness via Group Counterfactual Explanation
von: Popoola, Gideon, et al.
Veröffentlicht: (2026)

A New Paradigm for Counterfactual Reasoning in Fairness and Recourse
von: Bynum, Lucius E. J., et al.
Veröffentlicht: (2024)

Partial Identification Approach to Counterfactual Fairness Assessment
von: Rho, Saeyoung, et al.
Veröffentlicht: (2025)

Towards Counterfactual Fairness-aware Domain Generalization in Changing Environments
von: Lin, Yujie, et al.
Veröffentlicht: (2023)

Evidence Without Injustice: A New Counterfactual Test for Fair Algorithms
von: Loi, Michele, et al.
Veröffentlicht: (2025)

Do Fair Models Reason Fairly? Counterfactual Explanation Consistency for Procedural Fairness in Credit Decisions
von: Popoola, Gideon, et al.
Veröffentlicht: (2026)

Real-TabPFN: Improving Tabular Foundation Models via Continued Pre-training With Real-World Data
von: Garg, Anurag, et al.
Veröffentlicht: (2025)

Do-PFN: In-Context Learning for Causal Effect Estimation
von: Robertson, Jake, et al.
Veröffentlicht: (2025)

FFB: A Fair Fairness Benchmark for In-Processing Group Fairness Methods
von: Han, Xiaotian, et al.
Veröffentlicht: (2023)

Fairness in Federated Learning: Fairness for Whom?
von: Taik, Afaf, et al.
Veröffentlicht: (2025)

OxonFair: A Flexible Toolkit for Algorithmic Fairness
von: Delaney, Eoin, et al.
Veröffentlicht: (2024)

FairMT: Fairness for Heterogeneous Multi-Task Learning
von: Hu, Guanyu, et al.
Veröffentlicht: (2025)

Fair CCA for Fair Representation Learning: An ADNI Study
von: Hou, Bojian, et al.
Veröffentlicht: (2025)

Remembering to Be Fair: Non-Markovian Fairness in Sequential Decision Making
von: Alamdari, Parand A., et al.
Veröffentlicht: (2023)

FairGridSearch: A Framework to Compare Fairness-Enhancing Models
von: Ma, Shih-Chi, et al.
Veröffentlicht: (2024)

FairJob: A Real-World Dataset for Fairness in Online Systems
von: Vladimirova, Mariia, et al.
Veröffentlicht: (2024)

SimFair: Physics-Guided Fairness-Aware Learning with Simulation Models
von: Wang, Zhihao, et al.
Veröffentlicht: (2024)

FairPOT: Balancing AUC Performance and Fairness with Proportional Optimal Transport
von: Liu, Pengxi, et al.
Veröffentlicht: (2025)

FairSHAP: Preprocessing for Fairness Through Attribution-Based Data Augmentation
von: Zhu, Lin, et al.
Veröffentlicht: (2025)

FairSample: Training Fair and Accurate Graph Convolutional Neural Networks Efficiently
von: Cong, Zicun, et al.
Veröffentlicht: (2024)

FairTargetSim: An Interactive Simulator for Understanding and Explaining the Fairness Effects of Target Variable Definition
von: Gala, Dalia, et al.
Veröffentlicht: (2024)

Learning Fairer Representations with FairVIC
von: Barker, Charmaine, et al.
Veröffentlicht: (2024)

Size-adaptive Hypothesis Testing for Fairness
von: Ferrara, Antonio, et al.
Veröffentlicht: (2025)

GESD: Beyond Outcome-Oriented Fairness
von: Popoola, Gideon, et al.
Veröffentlicht: (2026)

Fairness of ChatGPT
von: Li, Yunqi, et al.
Veröffentlicht: (2023)

Fair Risk Control: A Generalized Framework for Calibrating Multi-group Fairness Risks
von: Zhang, Lujing, et al.
Veröffentlicht: (2024)

FairDD: Fair Dataset Distillation
von: Zhou, Qihang, et al.
Veröffentlicht: (2024)

On Fairness of Low-Rank Adaptation of Large Models
von: Ding, Zhoujie, et al.
Veröffentlicht: (2024)

Aequitas Flow: Streamlining Fair ML Experimentation
von: Jesus, Sérgio, et al.
Veröffentlicht: (2024)

Tuning Derivatives for Causal Fairness in Machine Learning
von: Edström, Filip, et al.
Veröffentlicht: (2026)

Fair Machine Learning in Healthcare: A Review
von: Feng, Qizhang, et al.
Veröffentlicht: (2022)

On The Fairness Impacts of Hardware Selection in Machine Learning
von: Nelaturu, Sree Harsha, et al.
Veröffentlicht: (2023)

The Cost of Local and Global Fairness in Federated Learning
von: Duan, Yuying, et al.
Veröffentlicht: (2025)

Alternative Fairness and Accuracy Optimization in Criminal Justice
von: Wu, Shaolong, et al.
Veröffentlicht: (2025)

Whose Preferences? Differences in Fairness Preferences and Their Impact on the Fairness of AI Utilizing Human Feedback
von: Lerner, Emilia Agis, et al.
Veröffentlicht: (2024)

FairFML: Fair Federated Machine Learning with a Case Study on Reducing Gender Disparities in Cardiac Arrest Outcome Prediction
von: Li, Siqi, et al.
Veröffentlicht: (2024)