Buchumschlag

Be Intentional About Fairness!: Fairness, Size, and Multiplicity in the Rashomon Set

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dai, Gordon, Ravishankar, Pavan, Yuan, Rachel, Neill, Daniel B., Black, Emily
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computers and Society Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning Representational Disparities
von: Ravishankar, Pavan, et al.
Veröffentlicht: (2025)

Exploring Equality: An Investigation into Custom Loss Functions for Fairness Definitions
von: Lee, Gordon, et al.
Veröffentlicht: (2025)

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

FairHome: A Fair Housing and Fair Lending Dataset
von: Bagalkotkar, Anusha, et al.
Veröffentlicht: (2024)

One Size Fits None: Rethinking Fairness in Medical AI
von: Roller, Roland, et al.
Veröffentlicht: (2025)

A Sequentially Fair Mechanism for Multiple Sensitive Attributes
von: Hu, François, et al.
Veröffentlicht: (2023)

FairWire: Fair Graph Generation
von: Kose, O. Deniz, et al.
Veröffentlicht: (2024)

Reconsidering Fairness Through Unawareness From the Perspective of Model Multiplicity
von: Höltgen, Benedikt, et al.
Veröffentlicht: (2025)

FairGT: A Fairness-aware Graph Transformer
von: Luo, Renqiang, et al.
Veröffentlicht: (2024)

What is Fair? Defining Fairness in Machine Learning for Health
von: Gao, Jianhui, et al.
Veröffentlicht: (2024)

Fair for a few: Improving Fairness in Doubly Imbalanced Datasets
von: Yalcin, Ata, et al.
Veröffentlicht: (2025)

Procedural Fairness and Its Relationship with Distributive Fairness in Machine Learning
von: Wang, Ziming, et al.
Veröffentlicht: (2025)

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

AdapFair: Ensuring Adaptive Fairness for Machine Learning Operations
von: Huang, Yinghui, et al.
Veröffentlicht: (2024)

The Fragility of Fairness: Causal Sensitivity Analysis for Fair Machine Learning
von: Fawkes, Jake, et al.
Veröffentlicht: (2024)

Geometry of Relaxed Fair Regression: A Unified Framework for Aware and Unaware Settings
von: Lince, M. Generali, et al.
Veröffentlicht: (2026)

Algorithmic Fairness in Performative Policy Learning: Escaping the Impossibility of Group Fairness
von: Somerstep, Seamus, et al.
Veröffentlicht: (2024)

Causal Fair Metric: Bridging Causality, Individual Fairness, and Adversarial Robustness
von: Ehyaei, Ahmad-Reza, et al.
Veröffentlicht: (2023)

FairBranch: Mitigating Bias Transfer in Fair Multi-task Learning
von: Roy, Arjun, et al.
Veröffentlicht: (2023)

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

Monotone Individual Fairness
von: Bechavod, Yahav
Veröffentlicht: (2024)

Resource-constrained Fairness
von: Goethals, Sofie, et al.
Veröffentlicht: (2024)

Fairness in KI-Systemen
von: Strotherm, Janine, et al.
Veröffentlicht: (2023)

Fair Wasserstein Coresets
von: Xiong, Zikai, et al.
Veröffentlicht: (2023)

State of the Art in Fair ML: From Moral Philosophy and Legislation to Fair Classifiers
von: Baumann, Elias, et al.
Veröffentlicht: (2018)

How Robust is your Fair Model? Exploring the Robustness of Diverse Fairness Strategies
von: Small, Edward, et al.
Veröffentlicht: (2022)

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

Distribution-Specific Auditing For Subgroup Fairness
von: Hsu, Daniel, et al.
Veröffentlicht: (2024)

Unraveling Privacy Risks of Individual Fairness in Graph Neural Networks
von: Zhang, He, et al.
Veröffentlicht: (2023)

BoostFGL: Boosting Fairness in Federated Graph Learning
von: Chen, Zekai, et al.
Veröffentlicht: (2026)

Bias Begins with Data: The FairGround Corpus for Robust and Reproducible Research on Algorithmic Fairness
von: Simson, Jan, et al.
Veröffentlicht: (2025)

Normalise for Fairness: A Simple Normalisation Technique for Fairness in Regression Machine Learning Problems
von: Amin, Mostafa M., et al.
Veröffentlicht: (2022)

FairSIN: Achieving Fairness in Graph Neural Networks through Sensitive Information Neutralization
von: Yang, Cheng, et al.
Veröffentlicht: (2024)

On the (In)Compatibility between Group Fairness and Individual Fairness
von: Xu, Shizhou, et al.
Veröffentlicht: (2024)

FairDP: Certified Fairness with Differential Privacy
von: Tran, Khang, et al.
Veröffentlicht: (2023)

FairRAG: Fair Human Generation via Fair Retrieval Augmentation
von: Shrestha, Robik, et al.
Veröffentlicht: (2024)

Penalized Fair Regression for Multiple Groups in Chronic Kidney Disease
von: Nakamoto, Carter H., et al.
Veröffentlicht: (2025)

Fairness in LLM-Generated Surveys
von: Abeliuk, Andrés, et al.
Veröffentlicht: (2025)

Learning Interpretable Fair Representations
von: Wang, Tianhao, et al.
Veröffentlicht: (2024)

Uncertainty-based Fairness Measures
von: Kuzucu, Selim, et al.
Veröffentlicht: (2023)