无码人妻av免费一区二区三区_大胸少妇午夜三级_国产内射爽爽大片_无码任你躁久久久久久_亚洲av中文无码乱人伦在线r▽

　　決策公平性是人類對(duì)人工智能最普遍關(guān)注的問題之一。以大模型為代表的人工智能公平性缺失可能會(huì)導(dǎo)致智能系統(tǒng)決策不公、信任度降低、系統(tǒng)失靈等后果，隨之帶來司法不公、資源分配不均、就業(yè)歧視、機(jī)會(huì)不均等一系列嚴(yán)重的社會(huì)和倫理道德問題。造成人工智能決策不公平的原因主要有兩點(diǎn)：一是用于人工智能模型訓(xùn)練的數(shù)據(jù)大多來源于人為采集數(shù)據(jù)，本身存在天然的偏差；二是模型在訓(xùn)練過程中由于迭代交互的原因?qū)е缕畹倪M(jìn)一步放大。 

　　大數(shù)據(jù)挖掘及應(yīng)用中心成員聚焦人工智能的典型應(yīng)用場(chǎng)景——推薦系統(tǒng)，針對(duì)物品曝光偏差所導(dǎo)致的推薦決策不公平、用戶不信任，進(jìn)而造成推薦系統(tǒng)失效的嚴(yán)重后果，解析交互推薦過程中產(chǎn)生曝光偏差的本質(zhì)原因，構(gòu)建基于馬爾科夫決策過程的動(dòng)態(tài)交互新范式，提出推薦多樣性和新穎性共融的強(qiáng)化學(xué)習(xí)去偏方法，助力高質(zhì)量低曝光度物品的發(fā)現(xiàn)。進(jìn)一步采用信息熵來對(duì)物品曝光公平程度進(jìn)行精準(zhǔn)刻畫，建立基于動(dòng)態(tài)軟約束的公平推薦模型，實(shí)現(xiàn)了在長(zhǎng)期交互過程中推薦效用和公平性的共同提升。  

　　該研究揭示了曝光度偏差對(duì)交互式推薦的具體影響機(jī)制，強(qiáng)調(diào)了多樣性和新穎性在消除推薦系統(tǒng)偏差中的重要性，同時(shí)也論證了在長(zhǎng)期交互中推薦效用和公平性公贏的可能性，為人工智能、大模型公平性的研究提供了全新視角。相關(guān)研究成果發(fā)表在數(shù)據(jù)挖掘頂刊ACM Transactions on Information Systems（CCF-A）和服務(wù)計(jì)算領(lǐng)域頂級(jí)國(guó)際學(xué)術(shù)會(huì)議IEEE International Conference on Web Services（CCF-B）。  

　　上述工作得到國(guó)家自然科學(xué)基金、中國(guó)科學(xué)院“西部之光”計(jì)劃，重慶市教委重點(diǎn)合作項(xiàng)目、教育教學(xué)改革研究計(jì)劃項(xiàng)目支持。  

　　相關(guān)論文鏈接：  

　　https://www.computer.org/csdl/proceedings-article/icws/2023/048500a118/1QzhT2tdnGg  

　　https://dl.acm.org/doi/10.1145/3618107

　　推薦系統(tǒng)中的流行度偏差 

　　基于不同策略的離線強(qiáng)化學(xué)習(xí)方法的交互式推薦以及項(xiàng)目公平性問題