用于生成式 AI 事后偏差缓解的计数世界分支时间语义
计算机科学中的逻辑
2026-04-22 v1 人工智能
摘要
已知生成式 AI 系统会放大其训练数据中存在的偏差。尽管已经提出了几种推理时缓解策略，但它们在很大程度上仍是经验性的，缺乏形式化保证。在本文中，我们引入了 CTLF，一种旨在对生成式 AI 输出序列中的偏差进行推理的分支时间逻辑。CTLF 采用计数世界语义，其中每个世界代表生成过程中给定步骤的一个可能输出，并引入了模态算子，使我们能够验证当前输出序列是否尊重受保护属性上的预期概率分布，预测在生成新输出时保持在可接受范围内的可能性，并确定为了恢复公平性需要移除多少输出。我们在一个有偏图像生成的简单示例上说明了该框架，展示了 CTLF 公式如何在输出序列的不同点表达具体的公平性属性。
引用
@article{arxiv.2604.19431,
title = {Counting Worlds Branching Time Semantics for post-hoc Bias Mitigation in generative AI},
author = {Alessandro G. Buda and Giuseppe Primiero and Leonardo Ceragioli and Melissa Antonelli},
journal= {arXiv preprint arXiv:2604.19431},
year = {2026}
}