Buchumschlag

Prompt Fairness: Sub-group Disparities in LLMs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhong, Meiyu, Teku, Noel, Tandon, Ravi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Information Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Speeding up Speculative Decoding via Sequential Approximate Verification
von: Zhong, Meiyu, et al.
Veröffentlicht: (2025)

Intrinsic Fairness-Accuracy Tradeoffs under Equalized Odds
von: Zhong, Meiyu, et al.
Veröffentlicht: (2024)

SPLITZ: Certifiable Robustness via Split Lipschitz Randomized Smoothing
von: Zhong, Meiyu, et al.
Veröffentlicht: (2024)

Latency-Distortion Tradeoffs in Communicating Classification Results over Noisy Channels
von: Teku, Noel, et al.
Veröffentlicht: (2024)

PROPS: Progressively Private Self-alignment of Large Language Models
von: Teku, Noel, et al.
Veröffentlicht: (2025)

Learning Fair Robustness via Domain Mixup
von: Zhong, Meiyu, et al.
Veröffentlicht: (2024)

Filtered Randomized Smoothing: A New Defense for Robust Modulation Classification
von: Zhang, Wenhan, et al.
Veröffentlicht: (2024)

Conformal Sparsification for Bandwidth-Efficient Edge-Cloud Speculative Decoding
von: Bhattacharjee, Payel, et al.
Veröffentlicht: (2025)

Inference Privacy: Properties and Mechanisms
von: Tian, Fengwei, et al.
Veröffentlicht: (2024)

Fine-Grained Uncertainty Quantification via Collisions
von: Friedbaum, Jesse, et al.
Veröffentlicht: (2024)

CURATE: Scaling-up Differentially Private Causal Graph Discovery
von: Bhattacharjee, Payel, et al.
Veröffentlicht: (2024)

Trustworthy Actionable Perturbations
von: Friedbaum, Jesse, et al.
Veröffentlicht: (2024)

MARS: Margin and Semantic-Aware Data Augmentation for Reward Modeling
von: Bhattacharjee, Payel, et al.
Veröffentlicht: (2026)

Generalization Bounds for Neural Belief Propagation Decoders
von: Adiga, Sudarshan, et al.
Veröffentlicht: (2023)

Refined Differentially Private Linear Regression via Extension of a Free Lunch Result
von: S, Sasmita Harini, et al.
Veröffentlicht: (2026)

STAMP: Selective Task-Aware Mechanism for Text Privacy
von: Tian, Fengwei, et al.
Veröffentlicht: (2026)

Destruction is a General Strategy to Learn Generation; Diffusion's Strength is to Take it Seriously; Exploration is the Future
von: Noël, Pierre-André
Veröffentlicht: (2026)

Sub-linear Regret Bounds for Bayesian Optimisation in Unknown Search Spaces
von: Tran-The, Hung, et al.
Veröffentlicht: (2020)

MultiTok: Variable-Length Tokenization for Efficient LLMs Adapted from LZW Compression
von: Elias, Noel, et al.
Veröffentlicht: (2024)

Decentralized Fairness Aware Multi Task Federated Learning for VR Network
von: Tharakan, Krishnendu S., et al.
Veröffentlicht: (2025)

Quad Length Codes for Lossless Compression of e4m3
von: Agrawal, Aditya, et al.
Veröffentlicht: (2026)

Fairness in Ranking under Disparate Uncertainty
von: Rastogi, Richa, et al.
Veröffentlicht: (2023)

Towards Better Statistical Understanding of Watermarking LLMs
von: Cai, Zhongze, et al.
Veröffentlicht: (2024)

Privacy for Fairness: Information Obfuscation for Fair Representation Learning with Local Differential Privacy
von: Xie, Songjie, et al.
Veröffentlicht: (2024)

Sharp One-Dimensional Sub-Gaussian Comparison in Convex Order
von: Zhang, Yihan
Veröffentlicht: (2026)

Towards Cohesion-Fairness Harmony: Contrastive Regularization in Individual Fair Graph Clustering
von: Ghodsi, Siamak, et al.
Veröffentlicht: (2024)

Maximizing the Promptness of Metaverse Systems using Edge Computing by Deep Reinforcement Learning
von: Thi-Thanh, Tam Ninh, et al.
Veröffentlicht: (2025)

Differentially Private Fair Binary Classifications
von: Ghoukasian, Hrad, et al.
Veröffentlicht: (2024)

Getting Free Bits Back from Rotational Symmetries in LLMs
von: He, Jiajun, et al.
Veröffentlicht: (2024)

Fairness Overfitting in Machine Learning: An Information-Theoretic Perspective
von: Laakom, Firas, et al.
Veröffentlicht: (2025)

Aleatoric and Epistemic Discrimination: Fundamental Limits of Fairness Interventions
von: Wang, Hao, et al.
Veröffentlicht: (2023)

On the Inductive Biases of Demographic Parity-based Fair Learning Algorithms
von: Lei, Haoyu, et al.
Veröffentlicht: (2024)

Optimal Clustering with Bandit Feedback
von: Yang, Junwen, et al.
Veröffentlicht: (2022)

Multi-Group Fairness Evaluation via Conditional Value-at-Risk Testing
von: Paes, Lucas Monteiro, et al.
Veröffentlicht: (2023)

A Unified View of Group Fairness Tradeoffs Using Partial Information Decomposition
von: Hamman, Faisal, et al.
Veröffentlicht: (2024)

A Deep Latent Factor Graph Clustering with Fairness-Utility Trade-off Perspective
von: Ghodsi, Siamak, et al.
Veröffentlicht: (2025)

Demystifying Local and Global Fairness Trade-offs in Federated Learning Using Partial Information Decomposition
von: Hamman, Faisal, et al.
Veröffentlicht: (2023)

DRL-AdaPart: DRL-Driven Adaptive STAR-RIS Partitioning for Fair and Frugal Resource Utilization
von: Kumar, Ashok S., et al.
Veröffentlicht: (2024)

Does Privacy Always Harm Fairness? Data-Dependent Trade-offs via Chernoff Information Neural Estimation
von: Nichani, Arjun, et al.
Veröffentlicht: (2026)

Minimax Optimal Fair Classification with Bounded Demographic Disparity
von: Zeng, Xianli, et al.
Veröffentlicht: (2024)