普渡大学团队提出解释公平性指标Plausibility-EFG与Fair-REF框架

Purdue University Fort Wayne 的 Suryansh Talukdar 等提交论文（基于论文摘要），提出指标 Plausibility-EFG 与框架 Fair-REF：前者衡量仇恨言论检测中不同人口群体间模型解释合理性的最大差异，后者旨在减少这些差异。作者将解释公平性定位为内容审核中的重要目标。 实验在 HateXplain 数据集上进行，评估 BERT、RoBERTa 和对抗训练的 ADV-RoBERTa，使用 Integrated Gradients 与 SHAP 两种解释方法。作者称结果显示 ADV-RoBERTa 在提升分类性能和解释与人类标注一致性的同时，降低了群体间解释差异。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。