Buchumschlag

FairPFN: A Tabular Foundation Model for Causal Fairness

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Robertson, Jake, Hollmann, Noah, Müller, Samuel, Awad, Noor, Hutter, Frank
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computers and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FairPFN: Transformers Can do Counterfactual Fairness
von: Robertson, Jake, et al.
Veröffentlicht: (2024)

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

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

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

Drift-Resilient TabPFN: In-Context Learning Temporal Distribution Shifts on Tabular Data
von: Helli, Kai, et al.
Veröffentlicht: (2024)

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

Peer-induced Fairness: A Causal Approach for Algorithmic Fairness Auditing
von: Fang, Shiqi, et al.
Veröffentlicht: (2024)

Bayes' Power for Explaining In-Context Learning Generalizations
von: Müller, Samuel, et al.
Veröffentlicht: (2024)

Does TabPFN Understand Causal Structures?
von: Swelam, Omar, et al.
Veröffentlicht: (2025)

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

TabPFN-2.5: Advancing the State of the Art in Tabular Foundation Models
von: Grinsztajn, Léo, et al.
Veröffentlicht: (2025)

Auditing LLMs for Algorithmic Fairness in Casenote-Augmented Tabular Prediction
von: Lee, Xiao Qi, et al.
Veröffentlicht: (2026)

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

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

Addressing Both Statistical and Causal Gender Fairness in NLP Models
von: Chen, Hannah, et al.
Veröffentlicht: (2024)

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

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

A Primer on Causal and Statistical Dataset Biases for Fair and Robust Image Analysis
von: Jones, Charles, et al.
Veröffentlicht: (2025)

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

Causal Fair Machine Learning via Rank-Preserving Interventional Distributions
von: Bothmann, Ludwig, et al.
Veröffentlicht: (2023)

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

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

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

On Prediction-Modelers and Decision-Makers: Why Fairness Requires More Than a Fair Prediction Model
von: Scantamburlo, Teresa, et al.
Veröffentlicht: (2023)

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

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)

Be Intentional About Fairness!: Fairness, Size, and Multiplicity in the Rashomon Set
von: Dai, Gordon, et al.
Veröffentlicht: (2025)

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

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

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

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

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

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

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

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

Causal Manifold Fairness: Enforcing Geometric Invariance in Representation Learning
von: Rathore, Vidhi
Veröffentlicht: (2026)

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

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

Chameleon: Foundation Models for Fairness-aware Multi-modal Data Augmentation to Enhance Coverage of Minorities
von: Erfanian, Mahdi, et al.
Veröffentlicht: (2024)