隐式方差存在下的公平选择问题

基于配额公平机制（如所谓的 Rooney 规则或五分之四规则）被用于招聘或大学录取等选择问题中，以减少基于敏感人口统计属性的不平等。这些机制常被视为在选择的公平性与效用之间引入了权衡。然而，在近期工作中，Kleinberg 和 Raghavan 表明，在估计候选人质量存在隐式偏差的情况下，Rooney 规则可提升选择过程的效用。我们指出，即便不存在隐式偏差，来自不同群体的候选人质量估计也可能在另一基本方面存在差异，即其方差。我们称此现象为隐式方差，并提出问题：在隐式方差存在下（即便无隐式偏差），公平机制是否仍有益于选择过程的效用？为回答该问题，我们提出一个简单模型，其中候选人的真实潜在质量抽取自群体独立的正态分布。为进行选择，决策者获得每位候选人质量的无偏估计（含正态噪声），但其方差依赖于候选人所属群体。随后，我们将施加一种称为 $\gamma$-规则（其包含人口统计均等与五分之四规则作为特例）的公平机制所获得的效用，与忽略群体、独立按最高估计质量挑选候选人的群体盲选算法所得效用进行比较。我们的主要结果表明，人口统计均等机制总能提升选择效用，而任意 $\gamma$-规则均弱提升该效用。我们将模型扩展至两阶段选择过程，其中真实质量在第二阶段被观测。我们讨论了结果的多种扩展，特别是针对不同真实潜在质量分布的情形。