公平性评测

英文：Fairness Evaluation　分类：eval

基本释义

评估模型在不同群体（性别、种族、年龄等）间是否存在系统性偏差的评测，量化"算法歧视"风险并驱动公平性改进。

技术要点

指标：群体间性能差异（准确率差距）、统计均等（预测率一致）、机会均等（TPR 一致）、校准差异；方法：分组评测（按敏感属性切片）、偏差审计数据集；缓解：重采样、对抗去偏、后处理校准。

应用场景

用于招聘/信贷/医疗等高风险 AI（防止歧视）、内容平台（推荐公平）、模型发布审计（合规）与学术研究；公平性评测是"AI 伦理落地"的度量工具。

返回AI百科目录 · AI最前沿首页

相关词条：大模型评审 · 聊天机器人竞技场 · 数据治理 · 鲁棒性评测 · 偏见检测