Buchumschlag

Understanding Fairness-Accuracy Trade-offs in Machine Learning Models: Does Promoting Fairness Undermine Performance?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Junhua, Lee, Roy Ka-Wei, Lim, Kwan Hui
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Artificial Intelligence Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

BGM-HAN: A Hierarchical Attention Network for Accurate and Fair Decision Assessment on Semi-Structured Profiles
von: Liu, Junhua, et al.
Veröffentlicht: (2025)

Balancing Accuracy and Efficiency in Multi-Turn Intent Classification for LLM-Powered Dialog Systems in Production
von: Liu, Junhua, et al.
Veröffentlicht: (2024)

Understanding Accuracy-Fairness Trade-offs in Re-ranking through Elasticity in Economics
von: Xu, Chen, et al.
Veröffentlicht: (2025)

RGAlign-Rec: Ranking-Guided Alignment for Latent Query Reasoning in Recommendation Systems
von: Liu, Junhua, et al.
Veröffentlicht: (2026)

No Free Lunch: Retrieval-Augmented Generation Undermines Fairness in LLMs, Even for Vigilant Users
von: Hu, Mengxuan, et al.
Veröffentlicht: (2024)

LARA: Linguistic-Adaptive Retrieval-Augmentation for Multi-Turn Intent Classification
von: Liu, Junhua, et al.
Veröffentlicht: (2024)

Towards Fair RAG: On the Impact of Fair Ranking in Retrieval-Augmented Generation
von: Kim, To Eun, et al.
Veröffentlicht: (2024)

Stairway to Fairness: Connecting Group and Individual Fairness
von: Rampisela, Theresia Veronika, et al.
Veröffentlicht: (2025)

QUPID: Quantified Understanding for Enhanced Performance, Insights, and Decisions in Korean Search Engines
von: Kwon, Ohjoon, et al.
Veröffentlicht: (2025)

Does Reasoning Make Search More Fair? Comparing Fairness in Reasoning and Non-Reasoning Rerankers
von: Samuel, Saron, et al.
Veröffentlicht: (2026)

Bias-Aware Agent: Enhancing Fairness in AI-Driven Knowledge Retrieval
von: Singh, Karanbir, et al.
Veröffentlicht: (2025)

Do Large Language Models Rank Fairly? An Empirical Study on the Fairness of LLMs as Rankers
von: Wang, Yuan, et al.
Veröffentlicht: (2024)

A Social Data-Driven System for Identifying Estate-related Events and Topics
von: Mu, Wenchuan, et al.
Veröffentlicht: (2025)

Resolving the Robustness-Precision Trade-off in Financial RAG through Hybrid Document-Routed Retrieval
von: Cheng, Zhiyuan, et al.
Veröffentlicht: (2026)

Enhancing Language Models for Financial Relation Extraction with Named Entities and Part-of-Speech
von: Li, Menglin, et al.
Veröffentlicht: (2024)

UP5: Unbiased Foundation Model for Fairness-aware Recommendation
von: Hua, Wenyue, et al.
Veröffentlicht: (2023)

RALLM-POI: Retrieval-Augmented LLM for Zero-shot Next POI Recommendation with Geographical Reranking
von: Li, Kunrong, et al.
Veröffentlicht: (2025)

Why Multi-Interest Fairness Matters: Hypergraph Contrastive Multi-Interest Learning for Fair Conversational Recommender System
von: Zheng, Yongsen, et al.
Veröffentlicht: (2025)

Towards Objective and Unbiased Decision Assessments with LLM-Enhanced Hierarchical Attention Networks
von: Liu, Junhua, et al.
Veröffentlicht: (2024)

Evaluating Cost-Accuracy Trade-offs in Multimodal Search Relevance Judgements
von: Terragni, Silvia, et al.
Veröffentlicht: (2024)

Language Fairness in Multilingual Information Retrieval
von: Yang, Eugene, et al.
Veröffentlicht: (2024)

Learn to be Fair without Labels: a Distribution-based Learning Framework for Fair Ranking
von: Chen, Fumian, et al.
Veröffentlicht: (2024)

One prompt is not enough: Instruction Sensitivity Undermines Embedding Model Evaluation
von: Kostiuk, Yevhen, et al.
Veröffentlicht: (2026)

Decomposition Dilemmas: Does Claim Decomposition Boost or Burden Fact-Checking Performance?
von: Hu, Qisheng, et al.
Veröffentlicht: (2024)

HyMoERec: Hybrid Mixture-of-Experts for Sequential Recommendation
von: Li, Kunrong, et al.
Veröffentlicht: (2025)

Exploring How Fair Model Representations Relate to Fair Recommendations
von: Vassøy, Bjørnar, et al.
Veröffentlicht: (2026)

Alleviating User-Sensitive bias with Fair Generative Sequential Recommendation Model
von: Liu, Yang, et al.
Veröffentlicht: (2025)

Unbiased Collaborative Filtering with Fair Sampling
von: Liu, Jiahao, et al.
Veröffentlicht: (2025)

Looking for Fairness in Recommender Systems
von: Logé, Cécile
Veröffentlicht: (2025)

The Whole is Better than the Sum: Using Aggregated Demonstrations in In-Context Learning for Sequential Recommendation
von: Wang, Lei, et al.
Veröffentlicht: (2024)

The Role of Vocabularies in Learning Sparse Representations for Ranking
von: Kim, Hiun, et al.
Veröffentlicht: (2025)

Hierarchical Resolution Transformers: A Wavelet-Inspired Architecture for Multi-Scale Language Understanding
von: Sar, Ayan, et al.
Veröffentlicht: (2025)

Pseudo Label NCF for Sparse OHC Recommendation: Dual Representation Learning and the Separability Accuracy Trade off
von: Barman, Pronob Kumar, et al.
Veröffentlicht: (2026)

Joint Knowledge Editing for Information Enrichment and Probability Promotion
von: Shi, Wenhang, et al.
Veröffentlicht: (2024)

Beyond Text and Tables: Vision-Language Model Integration in ComProScanner for Extracting Materials Data from Scientific Figures with High Accuracy
von: Roy, Aritra, et al.
Veröffentlicht: (2026)

Towards Fair Rankings: Leveraging LLMs for Gender Bias Detection and Measurement
von: Mousavian, Maryam, et al.
Veröffentlicht: (2025)

Improving Embedding Accuracy for Document Retrieval Using Entity Relationship Maps and Model-Aware Contrastive Sampling
von: Aviss, Thea
Veröffentlicht: (2024)

Resolving Conflicting Evidence in Automated Fact-Checking: A Study on Retrieval-Augmented LLMs
von: Ge, Ziyu, et al.
Veröffentlicht: (2025)

The Pre-Training Study of Expanded-SPLADE Models on Web Document Titles
von: Kim, Hiun, et al.
Veröffentlicht: (2026)

PerFairX: Is There a Balance Between Fairness and Personality in Large Language Model Recommendations?
von: Sah, Chandan Kumar
Veröffentlicht: (2025)