arXiv · cs.AI· Ji\v{r}\'i N\v{e}me\v{c}ek, Mark Kozdoba, Illia Kryvoviaz, Tom\'a\v{s} Pevn\'y, Jakub Mare\v{c}ek·· 2 天前
论文提出基于混合整数优化的交叉公平分类框架
Intersectional Fairness via Mixed-Integer Optimization
arXiv:2601.19595v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ji\v{r}\'i N\v{e}me\v{c}ek, Mark Kozdoba, Illia Kryvoviaz, Tom\'a\v{s} Pevn\'y, Jakub Mare\v{c}ek
期刊信息（来源提供）：NeurIPS 2026
研究任务与主要进展
Jiří Němeček等提出一个利用混合整数优化训练交叉公平且内在可解释分类器的统一框架。作者声称证明了两种交叉公平性度量MSD和SPSF在识别最不公平子群方面等价，并通过实证显示其算法能提升发现偏差的性能；该方法可训练将交叉偏差限制在可接受阈值内的高性能、可解释分类器。当前仅依据论文摘要，摘要未说明数据规模、基线、阈值和实验细节。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org