FairAgent：利用LLM驱动的代理 democratize 公平性感知机器学习
机器学习
2025-10-07 v1 人工智能
摘要
训练公平且无偏见的机器学习模型对于高风险应用至关重要，但 presents significant challenges. 有效的偏差缓解需要对公平性定义、指标、数据预处理和机器学习技术具有深入的专业知识。此外，复杂的在模型性能与公平性要求之间进行平衡的过程，以及正确处理敏感属性，使得公平感知模型开发对许多实践者来说不可及。为了解决这些挑战，我们引入FairAgent，一个LLM驱动的自动化系统，显著简化公平感知模型开发。FairAgent通过自动分析数据集中的潜在偏见、处理数据预处理和特征工程，并根据用户要求实施适当的偏差缓解策略，从而消除对深入技术专业知识的需求。我们的实验表明，FairAgent在实现显著性能提升的同时，显著减少了开发时间和专业知识要求，使公平感知机器学习更易于实践者使用。
引用
@article{arxiv.2510.04317,
title = {FairAgent: Democratizing Fairness-Aware Machine Learning with LLM-Powered Agents},
author = {Yucong Dai and Lu Zhang and Feng Luo and Mashrur Chowdhury and Yongkai Wu},
journal= {arXiv preprint arXiv:2510.04317},
year = {2025}
}
备注
Accepted by ICDM 2025 Demo Workshop