机器学习中的交叉公平性综述：概念、缓解与挑战

机器学习系统的广泛应用，尤其在刑事判决、银行贷款等更具决策关键性的场景中，引发了人们对公平性影响的日益关注。已有算法与度量被提出以缓解和衡量此类歧视。近来，研究指出一种更具挑战性的偏见形式，称为交叉偏见，其同时涵盖种族、性别等多个敏感属性。本综述回顾交叉公平性的前沿进展。我们提出交叉公平性概念与缓解方法的分类体系。最后，我们识别关键挑战，并为研究者提供未来方向的指导。