help研究问题机器学习公平性与数据开发实践
采用众包方法定义和验证隐性偏见测试的过程是否与专家主导的结果一致？CHI '22
公平、偏见与研究治理 / 机器学习公平性与数据开发实践
采用众包方法定义和验证隐性偏见测试的过程是否与专家主导的结果一致？
同类问题
help研究问题机器学习公平性与数据开发实践
如何通过引入公众参与改善机器学习（ML）管道设计中的公平性和透明性？CHI '25
help研究问题机器学习公平性与数据开发实践
公众参与在约束ML多元宇宙决策空间上是否能够提高模型的公平性与性能？CHI '25
help研究问题机器学习公平性与数据开发实践
在社会性算法设计中，如何有效减少“懒惰数据处理”导致的偏见问题？CHI '25
help研究问题机器学习公平性与数据开发实践
如何在数据增强和偏差消除过程中有效引入领域专家以减少AI系统中的表示偏差？CHI '25
help研究问题机器学习公平性与数据开发实践
哪些引导方式可以使领域专家更好识别、生成和验证数据，以提高数据质量和模型公平性？CHI '25
help研究问题机器学习公平性与数据开发实践
在高风险领域（如医疗健康）中，引入领域专家的偏差消除设计框架如何影响AI模型性能和公平性？CHI '25