多群集公平リスク制御: 多次元公平リスクの較正のための一般化フレームワーク

本論文は、機械学習モデルの予測が多群集公平性の保証を満たすように後処理する一般化フレームワークを提案する。多次元マルチキャリブレーションに基づいて、多次元マッピング、制約集合、事前指定されたしきい値レベルを含む(s, G, α)-GMC (Generalized Multi-Dimensional Multicalibration)を導入する。様々なシナリオに適用し、画像セグメンテーションの偽陰性率制御、階層的分類の予測セット条件付き不確実性定量化、言語モデルの非バイアス化テキスト生成などを示す。