短期与长期算法选择中的公平性代价
人工智能
2026-05-08 v1
摘要
高风险环境中的算法决策会对个人和群体产生深远影响。尽管许多先前的工作研究静态环境中的公平性，但最近的结果表明，强制执行静态公平性约束可能会加剧长期差异。受这一矛盾的启发，我们研究了一个程式化的序贯选择问题，其中决策者重复选择个体，同时影响即时效用和随时间变化的群体分布。我们引入了针对短期和长期的群体公平性概念，并通过公平性代价从理论上分析了公平性与效用之间的权衡。我们刻画了短期内的最优和公平策略，并表明即使群体分布几乎相同时，PoF也可能很大。相比之下，我们表明在实现低PoF的简单投资策略下，长期差异可以消失。我们还使用合成和真实数据集实证验证了这些理论观察。
引用
@article{arxiv.2605.06227,
title = {Price of Fairness in Short-Term and Long-Term Algorithmic Selections},
author = {Shahin Jabbari and Chen Wang},
journal= {arXiv preprint arXiv:2605.06227},
year = {2026}
}
备注
The short version of this paper appears in the proceedings of IJCAI-26