공정하고 편향되지 않은 머신 러닝 모델을 훈련하는 것은 고위험 응용 프로그램에 매우 중요하지만 상당한 도전 과제를 동반합니다. 효과적인 편향 완화는 공정성 정의, 측정 기준, 데이터 전처리 및 머신 러닝 기술에 대한 깊은 전문 지식을 필요로 합니다. 또한, 모델 성능과 공정성 요구 사항 간의 균형을 맞추고 민감한 속성을 적절히 처리하는 복잡한 과정은 공정성을 고려한 모델 개발을 많은 실무자에게 접근하기 어렵게 만듭니다. 이러한 문제를 해결하기 위해 우리는 복잡성을 크게 간소화하는 LLM 기반 자동화 시스템인 FairAgent를 소개합니다. FairAgent는 잠재적 편향을 분석하고, 데이터 전처리 및 특성 공학을 처리하며, 사용자 요구 사항에 따라 적절한 편향 완화 전략을 자동으로 구현하여 깊은 기술 전문 지식의 필요성을 없앱니다. 우리의 실험은 FairAgent가 개발 시간과 전문 요구 사항을 크게 줄이는 동시에 상당한 성능 향상을 달성하는 것을 보여주며, 공정성을 고려한 머신 러닝을 실무자에게 더 가까이 다가가게 합니다.
Dai et al. (Sun,)은 이 문제를 연구했습니다.