12:49
官方账号arXiv cs.AI@Zeshen Zheng, Yujia He, Qianmian Lin, Xiangyue Huang, Wenqing Chen
推荐理由：如果你是搞生成模型评测的，这篇论文指出了公平性评估里常被忽略的问题：该拿什么目标分布去比。它给了个框架，还附了AP-Bench的具体数值。
AP-Bench
共 1 条相关 AI 资讯
8月4日
12:49
这篇论文关注开放生成任务中的公平性评估，指出当模型生成“美国CEO”时，缺乏明确的人口统计目标分布。作者将目标构建拆解为评估对象、先验可采纳性、分配和操作化四个承诺，并在地理成员解释下允许地理先验。在AP-Bench基准上，地理派生目标与生成结果存在0.508至0.606的分布差异；改用等类别对照后，模型特定的JSD2变化范围达0.279至0.355。论文表明目标构建本身是公平性评估的组成部分，而非评估前的附属步骤。