lightbulb现实痛点机器学习公平性与数据开发实践
虚拟助手中隐性性别偏见可能强化性别刻板印象。CHI '23
公平、偏见与研究治理 / 机器学习公平性与数据开发实践
虚拟助手中隐性性别偏见可能强化性别刻板印象。
同类问题
lightbulb现实痛点机器学习公平性与数据开发实践
算法设计中的偏见可能导致少数群体在就业、医疗等领域受到不公平对待。CHI '25
lightbulb现实痛点机器学习公平性与数据开发实践
AI模型在少数群体上常表现较差，影响公平性和可靠性。CHI '25
lightbulb现实痛点机器学习公平性与数据开发实践
GLAM领域的性别偏见可能误导公众对历史的理解。CHI '25
lightbulb现实痛点机器学习公平性与数据开发实践
AI设计未充分考虑受影响群体的反馈，易导致偏见和不公平。CSCW '24Empowering and Centering Impacted Stakeholders in AI Design
lightbulb现实痛点机器学习公平性与数据开发实践
联邦学习模型易受用户上传恶意梯度的后门攻击，不公平性降低用户体验。UbiComp '24SARS: A Personalized Federated Learning Framework Towards Fairness and Robustness against Backdoor Attacks
lightbulb现实痛点机器学习公平性与数据开发实践
普适计算中的技术可能因偏见而对某些群体产生歧视或失准。UbiComp '24FairComp: 2nd International Workshop on Fairness and Robustness in Machine Learning for Ubiquitous Computing