The Fragility of Fairness: Causal Sensitivity Analysis for Fair Machine Learning

Autor: Fawkes, Jake, Fishman, Nic, Andrews, Mel, Lipton, Zachary C.

Fairness metrics are a core tool in the fair machine learning literature (FairML), used to determine that ML models are, in some sense, "fair". Real-world data, however, are typically plagued by various measurement biases and other violated assumptio

Externí odkaz: http://arxiv.org/abs/2410.09600

Interim report for the International Muon Collider Collaboration (IMCC)

Autor: Accettura, C., Adrian, S., Agarwal, R., Ahdida, C., Aimé, C., Aksoy, A., Alberghi, G. L., Alden, S., Amapane, N., Amorim, D., Andreetto, P., Anulli, F., Appleby, R., Apresyan, A., Asadi, P., Mahmoud, M. Attia, Auchmann, B., Back, J., Badea, A., Bae, K. J., Bahng, E. J., Balconi, L., Balli, F., Bandiera, L., Barbagallo, C., Barlow, R., Bartoli, C., Bartosik, N., Barzi, E., Batsch, F., Bauce, M., Begel, M., Berg, J. S., Bersani, A., Bertarelli, A., Bertinelli, F., Bertolin, A., Bhat, P., Bianchi, C., Bianco, M., Bishop, W., Black, K., Boattini, F., Bogacz, A., Bonesini, M., Bordini, B., de Sousa, P. Borges, Bottaro, S., Bottura, L., Boyd, S., Breschi, M., Broggi, F., Brunoldi, M., Buffat, X., Buonincontri, L., Burrows, P. N., Burt, G. C., Buttazzo, D., Caiffi, B., Calatroni, S., Calviani, M., Calzaferri, S., Calzolari, D., Cantone, C., Capdevilla, R., Carli, C., Carrelli, C., Casaburo, F., Casarsa, M., Castelli, L., Catanesi, M. G., Cavallucci, L., Cavoto, G., Celiberto, F. G., Celona, L., Cemmi, A., Ceravolo, S., Cerri, A., Cerutti, F., Cesarini, G., Cesarotti, C., Chancé, A., Charitonidis, N., Chiesa, M., Chiggiato, P., Ciccarella, V. L., Puviani, P. Cioli, Colaleo, A., Colao, F., Collamati, F., Costa, M., Craig, N., Curtin, D., D'Angelo, L., Da Molin, G., Damerau, H., Dasu, S., de Blas, J., De Curtis, S., De Gersem, H., Del Moro, T., Delahaye, J. -P., Denisov, D., Denizli, H., Dermisek, R., Valdor, P. Desiré, Desponds, C., Di Luzio, L., Di Meco, E., Di Petrillo, K. F., Di Sarcina, I., Diociaiuti, E., Dorigo, T., Dreimanis, K., Pree, T. du, Edgecock, T., Fabbri, S., Fabbrichesi, M., Farinon, S., Ferrand, G., Somoza, J. A. Ferreira, Fieg, M., Filthaut, F., Fox, P., Franceschini, R., Ximenes, R. Franqueira, Gallinaro, M., Garcia-Sciveres, M., Garcia-Tabares, L., Gargiulo, R., Garion, C., Garzelli, M. V., Gast, M., Gerber, C. E., Giambastiani, L., Gianelle, A., Gianfelice-Wendt, E., Gibson, S., Gilardoni, S., Giove, D. A., Giovinco, V., Giraldin, C., Glioti, A., Gorzawski, A., Greco, M., Grojean, C., Grudiev, A., Gschwendtner, E., Gueli, E., Guilhaudin, N., Han, C., Han, T., Hauptman, J. M., Herndon, M., Hillier, A. D., Hillman, M., Holmes, T. R., Homiller, S., Jana, S., Jindariani, S., Johannesson, S., Johnson, B., Jones, O. R., Jurj, P. -B., Kahn, Y., Kamath, R., Kario, A., Karpov, I., Kelliher, D., Kilian, W., Kitano, R., Kling, F., Kolehmainen, A., Kong, K. C., Kosse, J., Krintiras, G., Krizka, K., Kumar, N., Kvikne, E., Kyle, R., Laface, E., Lane, K., Latina, A., Lechner, A., Lee, J., Lee, L., Lee, S. W., Lefevre, T., Leonardi, E., Lerner, G., Li, P., Li, Q., Li, T., Li, W., Voti, R. Li, Lindroos, M., Lipton, R., Liu, D., Liu, M., Liu, Z., Lombardi, A., Lomte, S., Long, K., Longo, L., Lorenzo, J., Losito, R., Low, I., Lu, X., Lucchesi, D., Luo, T., Lupato, A., Métral, E., Mękała, K., Ma, Y., Mańczak, J. M., Machida, S., Madlener, T., Magaletti, L., Maggi, M., Durand, H. Mainaud, Maltoni, F., Mandurrino, M., Marchand, C., Mariani, F., Marin, S., Mariotto, S., Martin-Haugh, S., Masullo, M. R., Mauro, G. S., Mazzolari, A., Mele, B., Meloni, F., Meng, X., Mentink, M., Miceli, R., Milas, N., Mohammadi, A., Moll, D., Montella, A., Morandin, M., Morrone, M., Mulder, T., Musenich, R., Nardecchia, M., Nardi, F., Neuffer, D., Newbold, D., Novelli, D., Olvegård, M., Onel, Y., Orestano, D., Osborne, J., Otten, S., Torres, Y. M. Oviedo, Paesani, D., Griso, S. Pagan, Pagani, D., Pal, K., Palmer, M., Pampaloni, A., Panci, P., Pani, P., Papaphilippou, Y., Paparella, R., Paradisi, P., Passeri, A., Pastrone, N., Pellecchia, A., Piccinini, F., Piekarz, H., Pieloni, T., Plouin, J., Portone, A., Potamianos, K., Potdevin, J., Prestemon, S., Puig, T., Qiang, J., Quettier, L., Rabemananjara, T. R., Radicioni, E., Radogna, R., Rago, I. C., Ratkus, A., Resseguie, E., Reuter, J., Ribani, P. L., Riccardi, C., Ricciardi, S., Robens, T., Robert, Y., Roger, C., Rojo, J., Romagnoni, M., Ronald, K., Rosser, B., Rossi, C., Rossi, L., Rozanov, L., Ruhdorfer, M., Ruiz, R., Queiroz, F. S., Saini, S., Sala, F., Salierno, C., Salmi, T., Salvini, P., Salvioni, E., Sammut, N., Santini, C., Saputi, A., Sarra, I., Scarantino, G., Schneider-Muntau, H., Schulte, D., Scifo, J., Sen, T., Senatore, C., Senol, A., Sertore, D., Sestini, L., Rêgo, R. C. Silva, Simone, F. M., Skoufaris, K., Sorbello, G., Sorbi, M., Sorti, S., Soubirou, L., Spataro, D., Stamerra, A., Stapnes, S., Stark, G., Statera, M., Stechauner, B. M., Su, S., Su, W., Sun, X., Sytov, A., Tang, J., Taylor, R., Kate, H. Ten, Testoni, P., Thiele, L. S., Garcia, R. Tomas, Mugglestone, M. Topp, Torims, T., Torre, R., Tortora, L. T., Trifinopoulos, S., Udongwo, S. -A., Vai, I., Valente, R. U., van Rienen, U., van Weelderen, R., Vanwelde, M., Velev, G., Venditti, R., Vendrasco, A., Verna, A., Verweij, A., Verwilligen, P., Villamzar, Y., Vittorio, L., Vitulo, P., Vojskovic, I., Wang, D., Wang, L. -T., Wang, X., Wendt, M., Widorski, M., Wozniak, M., Wu, Y., Wulzer, A., Xie, K., Yang, Y., Yap, Y. C., Yonehara, K., Yoo, H. D., You, Z., Zanetti, M., Zaza, A., Zhang, L., Zhu, R., Zlobin, A., Zuliani, D., Zurita, J. F.

The International Muon Collider Collaboration (IMCC) [1] was established in 2020 following the recommendations of the European Strategy for Particle Physics (ESPP) and the implementation of the European Strategy for Particle Physics-Accelerator R&D R

Externí odkaz: http://arxiv.org/abs/2407.12450

Unified Approach for Hedging Impermanent Loss of Liquidity Provision

Autor: Lipton, Alexander, Lucic, Vladimir, Sepp, Artur

We develop static and dynamic approaches for hedging of the impermanent loss (IL) of liquidity provision (LP) staked at Decentralised Exchanges (DEXes) which employ Uniswap V2 and V3 protocols. We provide detailed definitions and formulas for computi

Externí odkaz: http://arxiv.org/abs/2407.05146

LLM-Select: Feature Selection with Large Language Models

Autor: Jeong, Daniel P., Lipton, Zachary C., Ravikumar, Pradeep

In this paper, we demonstrate a surprising capability of large language models (LLMs): given only input feature names and a description of a prediction task, they are capable of selecting the most predictive features, with performance rivaling the st

Externí odkaz: http://arxiv.org/abs/2407.02694

Towards Bidirectional Human-AI Alignment: A Systematic Review for Clarifications, Framework, and Future Directions

Autor: Shen, Hua, Knearem, Tiffany, Ghosh, Reshmi, Alkiek, Kenan, Krishna, Kundan, Liu, Yachuan, Ma, Ziqiao, Petridis, Savvas, Peng, Yi-Hao, Qiwei, Li, Rakshit, Sushrita, Si, Chenglei, Xie, Yutong, Bigham, Jeffrey P., Bentley, Frank, Chai, Joyce, Lipton, Zachary, Mei, Qiaozhu, Mihalcea, Rada, Terry, Michael, Yang, Diyi, Morris, Meredith Ringel, Resnick, Paul, Jurgens, David

Recent advancements in general-purpose AI have highlighted the importance of guiding AI systems towards the intended goals, ethical principles, and values of individuals and groups, a concept broadly recognized as alignment. However, the lack of clar

Externí odkaz: http://arxiv.org/abs/2406.09264