可解释的人工智能叙述的公平性：分解法学硕士生成的解释中的社会差异

原文：Fairness in Explainable AI Narratives: Decomposing Social Disparities in LLM-Generated Explanations

大型语言模型 (LLM) 越来越多地用于将 SHAP 等技术可解释的人工智能 (XAI) 制品翻译为非专业用户的解释性叙述 (XAIN)。在高风险领域，这些解释通常是个人可以理解和反对不利决策的主要资源。然而，众所周知，法学硕士会重现社会偏见，即使仅从代理变量来看也是如此，而且公平性

正文由本站服务器抓取保存（已自动过滤广告、推荐位与追踪图片），排版与原站可能不同；版权归原站所有。