Explaining Algorithmic Fairness Through Fairness-Aware Causal Path Decomposition
원문 초록
Algorithmic fairness has aroused considerable interests in data mining and machine learning communities recently. So far the existing research has been mostly focusing on the development of quantitative metrics to measure algorithm disparities across different protected groups, and approaches for adjusting the algorithm output to reduce such disparities. In this paper, we propose to study the problem of identification of the source of model disparities. Unlike existing interpretation methods which typically learn feature importance, we consider the causal relationships among feature variables and propose a novel framework to decompose the disparity into the sum of contributions from fairness-aware causal paths, which are paths linking the sensitive attribute and the final predictions, on the graph. We also consider the scenario when the directions on certain edges within those paths cannot be determined. Our framework is also model agnostic and applicable to a variety of quantitative disparity measures. Empirical evaluations on both synthetic and real-world data sets are provided to show that our method can provide precise and comprehensive explanations to the model disparities.
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
GAND 설명: 성별 모호 자연 데이터 및 대조적 속성 분석 리소스
Explaining GAND: A Resource on Gender-Ambiguous Natural Data & Contrastive Attribution
기계 번역(MT) 시스템은 여전히 성별 편향 번역을 생성한다. 자기 표현이 매우 중요한 시대에, 기본 동작과 고정관념에 기반한 오역은 이러한 시스템 사용자에게 해를 끼칠 수 있다. 명확한 성별 단서가 없을 때 이러한 시스템이 성별을 어떻게 번역하는지 더 잘 이해하려면, 성별 모호 시나리오를 자연스럽게 반영하는 벤치마킹 리소스가 필요하다. 이를 위해 우리는 GAND를 제시한다. GAND는 영어 원문 문장으로 구성된 MT용 성별 모호 자연 데이터 벤치마킹 리소스로, 번역에서 문맥 단서가 성별에 미치는 영향을 분석하도록 특별히 설계되었다. 우리는 GAND를 활용하여 해석 가능성 분석을 수행한다: GAND의 부분집합을 두 개의 문법적 성별 언어로 번역하고, 이를 수작업으로 작성한 대조적 번역으로 확장한다. 이어진 특징 기여도(feature attribution) 분석을 통해, 대상 번역에서 모호한 지시 대상 엔티티의 성별 번역에 영향을 미치는 문맥 속 원문 단어를 밝혀낸다.
Natural Language Autoencoder를 이용한 Qwen2.5-7B의 잠재적 콜롬비아 정체성 추론 프로빙
Probing Latent Colombian Identity Inferences in Qwen2.5-7B with Natural Language Autoencoders
대규모 언어 모델(LLM)은 해당 속성이 명시적으로 진술되지 않은 경우에도 미묘한 언어적 단서로부터 인구통계학적 속성을 추론할 수 있다. 본 파일럿 연구는 Qwen2.5-7B-Instruct가 콜롬비아 스페인어 및 영어 프롬프트를 처리할 때 콜롬비아 정체성, 사회경제적 지위, 또는 고정관념 관련 정보를 내부적으로 표상하는지 조사한다. 우리는 프롬프트당 네 가지 위치 사분위(positional quartile)에 걸쳐 20번째 층의 잔차 스트림(residual-stream) 활성화를 언어화하기 위해 Natural Language Autoencoders(NLA)를 사용한다. 우리 데이터셋은 명시적 콜롬비아 단서, 암시적 콜롬비아 단서, 중립 통제를 아우르는 15쌍의 매칭된 스페인어-영어 쌍으로 구성된 30개의 프롬프트를 포함한다. 우리는 통계적으로 검정력이 충분한 효과보다는 기술적 비율과 정성적 증거를 보고하며, 모델 출력에서 언어화되기 전에 잠재적 국적 또는 고정관념 표상이 나타나는지에 초점을 맞춘다. 본 연구는 활성화 수준의 해석 가능성(interpretability)과 소외된 스페인어 변종(varieties)에 대한 바이어스 평가를 연결한다.
MAGE-Vein: 손가락 정맥 이미지 기반 다중 인스턴스 연령·성별 추정
MAGE-Vein: Multi-Instance Age and Gender Estimation from Finger Vein Images
손가락 정맥 이미지를 이용한 연령 추정은 공개 데이터셋의 심각한 인구통계학적 편향과 성별과 같은 생리학적 교란 요인으로 인해 실용적이지 않다고 널리 여겨져 왔다. 이러한 한계를 극복하기 위해, 우리는 새로운 다중 인스턴스, 다중 과제 학습(multi-task learning) 프레임워크인 MAGE-Vein을 제안한다. 우리의 접근법은 세 손가락의 하이브리드 특징 수준(feature-level) 융합을 통해 견고한 구조적 노화 징후를 추출하여 국소 영상 노이즈를 효과적으로 억제한다. 또한 성별 분류를 동시에 최적화함으로써 네트워크가 성별 특이적 혈관 변이를 효과적으로 제거하도록 유도한다. 인구통계학적으로 균형 잡힌 402명의 피험자 데이터셋에서 평가한 결과, MAGE-Vein은 평균 절대 오차 6.12년과 상관계수 0.880을 달성한다. 우리의 결과는 손가락 정맥 모달리티의 한계에 관한 기존 합의를 뒤집을 뿐만 아니라, 이전 추정 실패가 주로 편향된 공개 데이터셋에서 기인한 인공물이었음을 보여준다. 코드는 https://github.com/gsisaoki/MAGE-Vein 에서 제공된다.
디퓨전 분류기는 어떻게 결정을 내리는가? 바이어스 중심 평가
How Do Diffusion Classifiers Decide? A Bias-Centric Evaluation
디퓨전 모델은 최근 제로샷 분류(zero-shot classification)에 재활용되고 있으며, 노이즈 예측 오차를 최소화하여 가장 적합한 텍스트 프롬프트를 식별하는 디퓨전 분류기가 등장하고 있다. 이러한 모델의 채택이 증가하고 있음에도 불구하고, 이 모델들이 어떻게 분류 결정을 내리는지는 여전히 제대로 이해되지 않고 있다. 우리는 속성 바인딩(Attribute binding), 크기-순서 바이어스(Size-Order bias), 배경 의존성(Background dependency)의 세 가지 차원에서 디퓨전 분류기를 평가하는 바이어스 평가 벤치마크 ASOB-Bench를 소개한다. 이 차원들은 완전한 분류 체계가 아니라, 텍스트 조건부 재구성 오차 점수가 어떻게 결정에 도달하는지를 탐색하는 표적화된 프로브로 기능한다. 이러한 관점은 판별적 비전-언어 모델에 대해서는 잘 연구되어 있지만, 디퓨전 분류기에 대해서는 여전히 간과되고 있다. 새로 구성된 데이터셋에서 다섯 가지 새로운 속성 범주로 기존 프레임워크를 확장한 결과, 디퓨전 분류기는 OpenCLIP 기준선보다 속성 오바인딩에 덜 취약하다는 것을 발견하였다. 기확립된 ComCo 벤치마크에서는 크기-순서 단축키에 실질적으로 더 취약하며, ImageNet-B에서는 훨씬 큰 정확도 하락을 보여 전경 단서보다 배경에 대한 과도한 의존성을 드러낸다. 재구성 오차 히트맵과 U-Net 교차 어텐션 시각화는 각 바이어스의 이면에 있는 메커니즘을 드러낸다. 디퓨전 분류기는 텍스트-이미지 모델과 동일한 디노이저를 공유하기 때문에, 이러한 단일 패스 진단은 생성 과정에서의 유사한 실패 모드도 시사한다. 전반적으로, 디퓨전 분류기는 비전-언어 모델과 구별되는 바이어스 프로파일을 나타내며, 더 강건한 디퓨전 기반 모델 구축을 위한 지침을 제공한다.
FAWOS: Fairness-Aware Oversampling Algorithm Based on Distributions of Sensitive Attributes
LLM 도덕 판단의 예-아니오 편향 분해: 입장, 위치, 단어, 판결
Decomposing Yes-No Bias in LLM Moral Judgment: Stance, Position, Word, and Verdict
대규모 언어 모델(LLM)은 안전 게이트, 판정자 결정, 가치 탐침 등에서 이진 판결을 점점 더 많이 내리며, 그 답은 모델의 판단으로 읽힌다. 확정된 판단이라면 같은 질문의 짝지어진 표현 사이에서 일관되어야 한다. "찬성합니까?"에 대한 예는 "반대합니까?"에 대한 아니오와 대응해야 한다. LLM은 이 일관성을 자주 위반하며, 예/아니오 질문에서는 판결, 답변 단어, 출력된 위치가 일치하므로 기존의 뒤집은 질문 감사는 무엇이 움직였는지 말해 주지 못하는 하나의 대비만 제공한다. 우리는 뒤집기를 질문 극성, 제시 순서, 답변 레이블의 완전한 2x2 및 2x2x2 교차로 확장하여 입장을 위치, 단어, 레이블, 판결 역할 효과와 분리하는 교차 심리측정 배터리를 도입한다. 독립적인 단계형 도구는 이진 형식 없이 각 모델의 입장 $\theta$를 추정하며, 두 모수 적합(프레이밍 민감도 $m$, 결단성 $s$)은 민감도를 가리는 포화로부터 강건성을 분리한다. 이 배터리를 스무 개의 도덕적 딜레마에 적용하여, 23개 추론 구성에서 Claude, GPT, Gemini 계열의 최첨단 모델 열 개에 대해 135만 회의 시행을 수행한 결과, 응답 형식 편향은 널리 퍼져 있으나 결코 균일하지 않음을 발견했다. 가장 큰 겉보기 예-아니오 편향은 거의 순전히 표면적(단어와 위치)인 반면, 가장 최신 모델 몇몇은 그 반대를 보인다. 뒤집기 대비는 0에 가깝지만 판결 결속이 최대 +0.42에 이르며, 이는 어떤 표면 상쇄로도 드러낼 수 없는 성분이고 레이블 알파벳을 바꿔도 재현된다. 요청된 추론은 이러한 경로를 없애지 않고 재형성한다. 피험자가 자유 텍스트로 결정을 서술하고 별도의 모델이 이를 전사할 때, 두 판정자 계열은 공동으로 채점된 전사의 99.3%에서 일치하며 상충하는 확정 레이블은 없었고, 전사된 입장은 단계형 척도와 수렴한다(중앙값 $r=0.87$). 응답 형식은 도구의 일부이며, 판단은 그것과 분리하여 측정될 수 있다.
토론
이 논문과 연결된 포럼 글이 아직 없습니다.