Group Fairness in Bandit Arm Selection
University of Maryland（马里兰大学）；Tulane University（杜兰大学）
我们提出了一种新的配方组公平性与偏见的反馈上下文多臂强盗（CMAB）设置。在CMAB设置中，顺序决策者必须在每个时间步，在观察每个潜在手臂拉动的一些上下文之后，从有限的手臂集合中选择要拉动的手臂。在我们的模型中，手臂基于一些受保护的特征（例如，年龄、种族或社会经济地位）。由于一些未知的社会或测量偏差，拉手臂获得的初始奖励可能会被扭曲。我们假设，在现实中，这些群体是平等的，尽管有偏见的反馈收到的代理。为了缓解这一点，我们学习了一个社会偏见术语，它既可以用来找到偏见的来源，也可以用来解决算法之外的问题。我们提供了一种新的算法，可以容纳任意数量的组的公平性的概念，并为我们的算法的遗憾提供了一个理论界。我们使用合成数据和两个真实世界的干预设置数据集来验证我们的算法，其中我们希望在各组之间公平地分配资源。
2022-02-15 cs.AI cs.LG stat.ML
Calibrated Fairness in Bandits
Harvard University（哈佛大学）；University of Lille（里尔大学）；Chalmers University of Technology（查尔姆斯理工大学）
我们研究的随机，\emph{multi-armed bandit}（MAB）的决策框架内的公平性。我们采用“以相似方式对待相似个体”的公平框架来适应这种设置。在这里，一个“个体”对应于一个臂，如果两个臂具有相似的质量分布，则它们是“相似的”。首先，我们采用{ \em平滑约束}，如果两个手臂具有相似的质量分布，则选择每个手臂的概率应该相似。此外，我们定义了{ \em公平遗憾}，它对应于算法未校准的程度，其中完美校准要求选择手臂的概率等于手臂具有最佳质量实现的概率。我们证明了在总变差距离下，Thompson抽样的变差满足光滑公平性，并给出了公平遗憾的$\tilde{O}((kT)^{2/3})$界。这是对先前工作的补充，该工作保护了平均更好的手臂免受不太有利的影响。我们还解释了如何将我们的算法扩展到决斗强盗设置。
2017-07-06 cs.LG
Learning and Fairness in Energy Harvesting: A Maximin Multi-Armed Bandits Approach
Indian Institute of Technology Bombay（印度理工学院孟买分校）
无线射频（RF）能量收集的最新进展允许传感器节点通过远程为其电池充电来延长其寿命。由节点收集的能量的量取决于它们的周围环境以及与源的接近程度。传感器网络的寿命取决于节点在网络中可以收获的最小能量。因此，重要的是要了解节点收集的最少能量，以便源可以在最大化该量的频带上进行传输。我们将这个学习问题建模为一个新的随机最大最小多臂强盗（Maximin MAB）问题，并提出了一个基于置信上界（UCB）的算法Maximin UCB。Maximin MAB是标准MAB的推广，并享有与UCB 1算法相同的性能保证。实验结果验证了我们的算法的性能保证。
2020-06-16 cs.LG stat.ML
Efficient Resource Allocation with Fairness Constraints in Restless Multi-Armed Bandits
Singapore Management University（新加坡管理大学）
不安的多武装土匪（RMAB）是一个适当的模型，代表决策问题，在公共卫生干预措施（例如，结核病、孕产妇和儿童保健）、反偷猎规划、传感器监测、个性化建议等等。现有的研究在RMAB的机制和理论成果，以各种各样的设置，重点是最大限度地提高预期价值。在本文中，我们感兴趣的是确保RMAB决策也是公平的不同武器，同时最大限度地提高期望值。在公共卫生背景下，这将确保不同的人和/或社区在作出公共卫生干预决定时得到公平的代表。为了实现这一目标，我们正式定义的公平性约束在RMAB和规划和学习方法，以解决公平的方式解决RMAB。我们展示了公平的RMAB的关键理论属性和实验证明，我们提出的方法处理公平性约束，而不会牺牲显着的解决方案质量。
2022-07-27 cs.LG
On the Regularity and Fairness of Combinatorial Multi-Armed Bandit
本文针对无线网络应用，提出了一种参数化的规律且公平的学习算法，通过线性组合虚拟队列长度、TSLR度量和UCB估计值，在最大化累积奖励的同时保证了臂间的公平性与奖励规律性，并实现了零累积公平性违规。
2025-09-15 cs.LG
Online Restless Multi-Armed Bandits with Long-Term Fairness Constraints
Stony Brook University（石溪大学）
针对多臂赌博机缺乏公平性问题，提出RMAB-F模型与Fair-UCRL算法，在未知MDP下实现长期公平约束，并证明遗憾次线性界，计算高效且实验有效。
2023-12-22 cs.LG
On Penalization in Stochastic Multi-armed Bandits
Baidu Research（百度研究院）；Cornell University（康奈尔大学）
我们研究了随机多臂强盗（MAB）问题的一个重要变种，其中考虑了惩罚。我们需要在总报酬和公平水平之间取得平衡，而不是直接最大化累积期望报酬。在本文中，我们提出了一些新的见解，在MAB和制定的惩罚框架，严格的惩罚遗憾可以很好地定义和更复杂的遗憾分析是可能的问题。在此框架下，我们提出了一个硬阈值类UCB算法，它具有许多优点，包括渐近公平性，近最优的遗憾，更好地权衡奖励和公平性。间隙依赖和间隙独立的遗憾界已经建立。多个有见地的评论，以说明我们的理论分析的合理性。大量的实验结果证实了理论和显示我们的方法优于其他现有的方法。
2022-11-15 cs.LG stat.ML
Simultaneously Achieving Group Exposure Fairness and Within-Group Meritocracy in Stochastic Bandits
Indian Institute of Technology Ropar（印度理工学院罗帕尔分校）；Indian Institute of Technology Hyderabad（印度理工学院海得拉巴分校）；International Institute of Information Technology, Hyderabad（国际信息技术学院海得拉巴分校）
针对随机多臂老虎机中的分组公平性问题，提出双层公平性概念，并设计BF-UCB算法同时保证组曝光公平与组内精英治理，实现次线性遗憾且不显著损失奖励。
2024-02-08 cs.AI cs.CY cs.LG
Combinatorial Sleeping Bandits with Fairness Constraints
Temple University（天普大学）；Iowa State University（爱荷华州立大学）
多臂强盗（MAB）模型已被广泛用于研究许多实际优化问题（网络资源分配、广告投放、众包等）。未知参数。玩家的目标是在不确定性面前最大化累积奖励。然而，基本的MAB模型忽略了系统在许多实际应用中的几个重要因素，其中多个手臂可以同时播放，并且手臂有时可能处于“睡眠”状态。此外，确保公平性也是实践中的一个关键设计问题。为此，我们提出了一个新的组合睡眠MAB模型与公平性约束，称为CSMAB-F，旨在解决上述关键建模问题。现在的目标是最大化的回报，同时满足公平性要求的最小选择分数为每个单独的arm. To解决这个新问题，我们扩展了在线学习算法，UCB，处理开发和探索之间的关键权衡，并采用虚拟队列技术，妥善处理公平性约束。通过仔细整合这两种技术，我们开发了一种新的算法，称为学习与公平保证（LFG），CSMAB-F问题。此外，我们严格证明，不仅LFG是可行性最优的，但它也有一个时间平均遗憾上限由$\frac{N}{2η}+\frac{β_1\sqrt{mNT\log{T}}+β_2 N}{T}$，其中N是武器的总数，m是可以同时播放的武器的最大数量，T是时间范围，$β_1$和$β_2$是常数，和$η$是一个设计参数，我们可以调整。最后，我们进行了大量的模拟，以证实所提出的算法的有效性。有趣的是，仿真结果揭示了一个重要的权衡之间的遗憾和收敛到一个点，满足公平性约束的速度。
2019-11-20 cs.LG cs.PF stat.ML
A Regret bound for Non-stationary Multi-Armed Bandits with Fairness Constraints
Indian Institute of Science（印度科学学院）
多武装土匪的框架是最常见的平台，研究顺序决策问题的策略。最近，公平的概念在机器学习社区引起了广泛的关注。可以施加公平条件，即在任何给定的时间点，甚至在学习阶段，表现不佳的候选人不应该优先于更好的候选人。这种公平性约束是已知的最严格的，并已在随机多武装匪徒的框架中，在一个固定的设置已经建立了遗憾的界限进行了研究。本文的主要目的是研究这个问题在一个非平稳设置。本文提出了一种新的算法--带探索的公平置信上界公平UCBe算法，用于求解慢变随机$k$ -武装强盗问题。由此我们得到了两个结果：（i）Fair-UCBe确实满足上述公平性条件，（ii）对于某些合适的$α\in (0, 1)$，它达到了$O\left(k^{\frac{3}{2}} T^{1 - \fracα{2}} \sqrt{\log T}\right)$的遗憾界，其中$T$是时间范围.这是第一个公平的算法与次线性遗憾界适用于非平稳土匪尽我们所知。我们表明，我们的算法在非平稳的情况下的性能接近其固定对应的环境中的变化趋于零。
2020-12-24 cs.AI cs.LG
Fair Best Arm Identification with Fixed Confidence
Ericsson AB（爱立信公司）；Ericsson Research（爱立信研究院）
本文研究公平性约束下的最佳臂识别问题，提出 F-BAI 框架并给出样本复杂度下界，进而设计可证明匹配该下界且满足公平约束的 F-TaS 算法，实验验证了其高效性。
2024-08-30 cs.AI cs.LG
Merit-based Fair Combinatorial Semi-Bandit with Unrestricted Feedback Delays
Sun Yat-sen University（中山大学）；The Chinese University of Hong Kong（香港中文大学）
本文研究了在无限制反馈延迟和基于功绩公平性约束下的随机组合半老虎机问题，提出了能实现次线性奖励遗憾与公平性遗憾的新算法，并通过实验验证了其有效性。
2024-07-29 cs.LG stat.ML
Does enforcing fairness mitigate biases caused by subpopulation shift?
University of Michigan（密歇根大学）；IBM Research（IBM研究院）；MIT-IBM Watson AI Lab（麻省理工学院-IBM沃森人工智能实验室）
许多算法偏差的例子是由亚群变化引起的。例如，ML模型在训练数据中代表性不足的人口统计组上的表现往往更差。在本文中，我们研究是否在训练过程中执行算法的公平性提高了性能的训练模型中的\emph{target domain}。一方面，我们设想的情况下，强制执行公平性并不能提高目标域的性能。事实上，它甚至可能损害性能。另一方面，我们推导出必要和充分条件下，强制执行算法的公平性导致贝叶斯模型在目标域。我们还说明了我们的理论结果在模拟和实际数据的实际影响。
2021-10-26 cs.LG stat.ML
Multi-agent Multi-armed Bandits with Minimum Reward Guarantee Fairness
IIT Hyderabad（印度海得拉巴理工学院）
本文提出 RewardFairUCB 算法，在集中式多智能体多臂老虎机中最大化社会福利并保证每个智能体获得最小期望奖励，实现了次线性遗憾界并验证了公平性与效率的权衡。
2025-06-19 cs.LG cs.SY eess.SY
Identifying Best Fair Intervention
University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of California, Berkeley（加利福尼亚大学伯克利分校）
研究了在给定的因果模型中，具有公平性约束的最佳臂识别问题。我们的目标是在一个给定的节点上找到一个软干预，以最大限度地提高结果，同时满足公平性约束，通过反事实估计，只有部分知识的因果模型。这个问题的动机是确保在线市场的公平性。我们提供理论保证的错误概率和经验检验我们的算法的有效性与两阶段的基线。
2021-11-08 cs.CY cs.LG stat.ML
Fair Contextual Multi-Armed Bandits: Theory and Experiments
University of Southern California（南加州大学）；Massachusetts Institute of Technology（麻省理工学院）
当AI系统与多个用户交互时，它经常需要做出分配决策。例如，虚拟代理决定在组设置中关注谁，或者工厂机器人选择工人来交付零件。在决策过程中表现出公平性对于这类系统被广泛接受至关重要。我们引入了一个多臂强盗算法的公平性约束，其中公平性被定义为一个任务或资源分配给一个用户的最小速率。该算法使用上下文信息的用户和任务，并没有假设如何捕捉不同用户的性能损失产生。我们提供了理论保证的性能和实证结果模拟和在线用户研究。结果强调了在公平决策中考虑上下文的好处，特别是当用户在某些上下文中表现更好而在其他上下文中表现更差时。
2019-12-13 cs.AI cs.LG stat.ML
Fairness and Welfare Quantification for Regret in Multi-Armed Bandits
Indian Institute of Science（印度科学学院）；Indian Institute of Technology, Kharagpur（印度理工学院克勒格布尔分校）
我们从福利主义的角度扩展了遗憾的概念。针对经典的多臂强盗（MAB）框架，通过引入一个基本的福利函数，即Nash社会福利（NSW）函数来量化强盗算法的性能.这相当于将算法的性能等同于其预期回报的几何平均值，并导致我们研究纳什遗憾，定义为-先验未知-最佳平均值（武器之间）和算法的性能之间的差异。由于新南威尔士州是已知的，以满足公平公理，我们的方法补充了平均（累积）后悔的功利考虑，其中该算法通过其预期奖励的算术平均值进行评估。这项工作开发了一个算法，给定的地平线上玩$T$，实现了纳什遗憾$O \left( \sqrt{\frac{k \log T}{T}} \right)$，这里$k$表示的武器在MAB实例的数量。因为对于任何算法，纳什后悔至少和平均后悔一样多（AM-GM不等式），所以已知的平均后悔下限也适用于纳什后悔。因此，我们的纳什遗憾保证基本上是紧的。此外，我们开发了一个任何时间算法的纳什遗憾保证$O \left( \sqrt{\frac{k\log T}{T}} \log T \right)$。
2022-05-27 cs.GT cs.LG
Planning to Fairly Allocate: Probabilistic Fairness in the Restless Bandit Setting
University of Maryland（马里兰大学）
针对不安分多臂老虎机资源分配中现有Whittle指数方法缺乏公平性保障的问题，提出概率公平策略ProbFair，在满足预算约束、最大化总期望奖励的同时保证臂被拉动概率有严格正下界，真实与合成实验均验证其兼顾效用与公平保障。
2023-07-19 cs.AI cs.CY cs.LG
Fairness for Workers Who Pull the Arms: An Index Based Policy for Allocation of Restless Bandit Tasks
Harvard University（哈佛大学）
本文提出了一种基于指数的分配策略，用于在资源受限条件下公平分配异质工人的 restless 带机任务，以提高干预计划的公平性和效率。
2023-03-01 cs.AI cs.LG cs.MA
Investigating Gender Fairness in Machine Learning-driven Personalized Care for Chronic Pain
Eindhoven University of Technology（埃因霍温理工大学）；University of Michigan（密歇根大学）
本文研究RL个性化慢性疼痛护理建议中的性别公平性，发现特征选择会影响公平性，并提出NestedRecommendation以自适应选择兼顾效用与公平的特征且利用临床专家知识加速优化。
2024-06-14 cs.CY cs.LG
On the Low-Complexity of Fair Learning for Combinatorial Multi-Armed Bandit
Pennsylvania State University（宾夕法尼亚州立大学）；Virginia Tech（弗吉尼亚理工大学）；Nokia Corporation（诺基亚公司）
针对带公平约束的组合多臂老虎机中悲观-乐观算法因超级臂指数增长导致计算复杂度过高的问题，提出基于pick-and-compare方法的低复杂度算法，将比较步数降为常数，仅轻微牺牲公平性和遗憾值性能，并通过仿真验证。
2025-01-10 cs.LG
Falcon: Fair Active Learning using Multi-armed Bandits
KAIST（韩国科学技术院）；Georgia Institute of Technology（佐治亚理工学院）
本文提出可扩展的公平主动学习框架 Falcon，通过试错样本选择与对抗式多臂老虎机自动权衡信息量和推迟率，在公平性、准确率及效率上显著超越现有方法。
2024-01-24 cs.LG
Auditing Fairness-Privacy Trade-offs: Subpopulation-Level Effects of Fairness-Enhancing Algorithms
Virginia Tech（弗吉尼亚理工大学）；ADA University（阿塞拜疆ADA大学）；University of Potsdam（波茨坦大学）；University of Passau（帕绍大学）
研究公平性增强算法在亚群体层面如何影响隐私风险，通过调整似然比攻击进行审计，分析差分隐私与公平性方法交互，发现公平性干预对隐私风险影响因多种因素而异，引入统一实证框架支持相关审计。
2026-07-17 cs.AI cs.LG
Certifying Some Distributional Fairness with Subpopulation Decomposition
UIUC（伊利诺伊大学厄巴纳-香槟分校）；ETH Zurich（苏黎世联邦理工学院）；UC Santa Cruz（加州大学圣克鲁兹分校）
人们已经做出了广泛的努力来理解和提高基于观测指标的机器学习模型的公平性，特别是在医疗保险、教育和招聘决策等高风险领域。然而，考虑到ML模型的端到端性能，缺乏经过认证的公平性。在本文中，我们首先将在给定数据分布上训练的ML模型的认证公平性表示为基于公平性约束分布上的模型性能损失界限的优化问题，该公平性约束分布与训练分布在有界分布距离内。然后，我们提出了一个通用的公平性认证框架，并实例化它的敏感转移和一般转移的情况。特别是，我们建议通过将原始数据分布分解为分析子群体并证明子问题的凸性来解决优化问题。我们评估了我们认证的公平性在六个真实世界的数据集，并表明我们的认证是紧在敏感的转移情况下，并提供一般转移下的非平凡的认证。我们的框架是灵活的，以整合额外的非偏度约束，我们表明，它提供了更严格的认证在不同的现实世界的情况下。我们还比较了我们的认证公平性约束与适应现有的分布鲁棒性约束的高斯数据，并证明我们的方法是显着更紧密。
2022-11-18 cs.CY cs.LG
Fairness of Exposure in Stochastic Bandits
Cornell University（康奈尔大学）
上下文强盗算法已被广泛用于在线系统（例如市场，音乐流媒体，新闻）中的推荐，在这些系统中，它们现在对哪些项目被暴露给用户产生重大影响。这就提出了对这些物品以及从这种曝光中受益的卖家、艺术家和作家的公平性的问题。我们认为，传统的强盗公式可能会导致一个不可取的和不公平的赢家通吃的风险分配。为了解决这个问题，我们提出了一个新的强盗目标，保证基于价值的公平暴露的项目，同时优化效用的用户。我们制定公平后悔和奖励后悔在这种情况下，随机多武装土匪和随机线性土匪的算法。我们证明了该算法实现了次线性公平后悔和奖励后悔。除了理论分析，我们还提供了经验证据，这些算法可以公平地分配暴露于不同的武器有效。
2021-09-12 cs.IR cs.LG
Online certification of preference-based fairness for personalized recommender systems
Meta AI
推荐系统正面临审查，因为它们对我们所能获得的机会的影响越来越大。目前对公平性的审计仅限于敏感群体级别的粗粒度奇偶性评估。我们建议审计无嫉妒性，这是一个与个人偏好相一致的更细粒度的标准：每个用户都应该喜欢他们的推荐。由于审计嫉妒需要估计用户的偏好超出他们现有的建议，我们投审计作为一个新的纯探索多武装土匪的问题。我们提出了一个样本效率的算法，理论上保证它不会恶化用户体验。我们还研究了在现实世界的推荐数据集上实现的权衡。
2023-03-06 cs.AI cs.CY cs.LG
Meritocratic Fairness via $K$-Shapley Values in Budgeted Combinatorial Bandits with Full-Bandit Feedback
Indian Institute of Technology Ropar（印度理工学院罗帕尔）
本文提出一种新的预算化组合多臂老虎机框架，通过扩展Shapley值到K-Shapley值，解决了全反馈环境下个体臂贡献的计算问题，并提出了K-SVFair-FBF算法，实现了公平性与效率的平衡。
2026-08-04 cs.AI cs.LG cs.MA
Fairness in Learning: Classic and Contextual Bandits
University of Pennsylvania（宾夕法尼亚大学）
介绍了多臂强盗问题中公平性的研究。我们的公平性定义可以解释为，在给定的申请者（比如大学入学申请或抵押贷款申请）中，尽管学习算法对真实收益存在不确定性，但绝不能让较差的申请者优先于较好的申请者。我们证明了两种类型的结果。首先，在经典随机土匪问题的重要特殊情况下（即，其中没有上下文），我们提供了一个可证明的公平算法的基础上“链式”的置信区间，并提供了一个累积的遗憾界与立方依赖的武器数量。我们进一步表明，任何公平的算法必须有这样的依赖。当与标准非公平算法（如UCB）的遗憾界限相结合时，这证明了公平和不公平学习之间的强分离，这扩展到一般的上下文情况。在一般的情况下，我们证明了公平性和KWIK（知道它所知道的）学习模型之间的紧密联系：一类函数的KWIK算法可以转化为可证明公平的上下文强盗算法，反之，任何公平的上下文强盗算法可以转化为KWIK学习算法。这种紧密的联系使我们能够为线性上下文强盗问题提供一个可证明的公平算法，该问题具有对维度的多项式依赖性，并显示（对于不同类别的函数）公平和非公平学习算法之间的最坏情况下的后悔指数差距
2016-11-07 cs.LG stat.ML
Fix Representation (Optimally) Before Fairness: Finite-Sample Shrinkage Population Correction and the True Price of Fairness Under Subpopulation Shift
Department of Biostatistics, Vanderbilt University Medical Center, Nashville, TN 37232, USA（生物统计学系，范德比尔特大学医学中心）；Department of Informatics, King's College London, WC2R 2LS London, UK（信息学系，国王学院伦敦）
本文提出在公平性之前通过有限样本收缩校正优化表示，以揭示真实公平性代价，通过实验验证该方法有效消除虚假权衡。
2026-02-05 cs.LG
Procedural Fairness in Multi-Agent Bandits
University of Waterloo（滑铁卢大学）；Harvard University（哈佛大学）
本文提出程序公平性作为多智能体老虎机中的公平性目标，强调平等决策权和结果比例性，证明不同公平性观念优先不同价值观，主张加强程序公平性研究。
2026-07-31 cs.AI cs.GT cs.LG
Selection of the Best Policy under Fairness Constraints for Subpopulations
Department of Industrial Engineering and Operations Research（工业工程与运营管理系）；Berkeley Artificial Intelligence Research Lab（伯克利人工智能研究实验室）；University of California Berkeley（加州大学伯克利分校）
本文提出在公平性约束下选择最佳政策的问题，设计了满足子群体阈值的算法，并通过实验验证了其效率优势。
2026-05-11 cs.LG
Fair Algorithms with Probing for Multi-Agent Multi-Armed Bandits
本文提出了一种多智能体多臂老虎机框架，通过引入探针机制在保证公平性的同时提升系统性能。
2026-01-27 cs.AI cs.LG
A/B/n Testing with Control in the Presence of Subpopulations
CNRS（法国国家科学研究中心）；Inria（法国国家信息与自动化研究所）；ENS（巴黎高等师范学院）；Université PSL（巴黎文理研究大学）；UMPA；Centrum Wiskunde & Informatica（荷兰数学与计算机科学研究中心）；ENS Lyon（里昂高等师范学院）
受A/B/n测试应用的启发，我们考虑一个有限的分布集（称为\emph{arms}），其中之一被视为一个\emph{control}。我们假设总体被分层为同质的子总体。在每个时间步，对一个子总体进行采样并选择一个臂：所得观测结果是从以该子总体为条件的臂中独立抽取的。每组的质量通过其亚群平均值的加权组合进行评估。我们提出了一个策略，顺序选择一个手臂，每个时间步，以发现尽可能快的武器，如果有的话，有更高的加权期望比控制。该策略在以下意义上被证明是渐近最优的：如果$τ_δ$是第一次，当该策略确保它能够以至少$1-δ$的概率输出正确答案时，则$\mathbb{E}[τ_δ]$以精确的最优速率随$\log(1/δ)$线性增长。该比率在三种不同的设置中被确定：（1）当实验者没有观察到子总体信息时，（2）当每个样本的子总体被观察到但没有被选择时，以及（3）当实验者可以选择从每个响应中采样的子总体时。我们说明了所提出的策略的效率与数值模拟从A/B/n实验收集的合成和真实数据。
2021-10-29 cs.LG stat.ML
Fairness Incentives in Response to Unfair Dynamic Pricing
Mila - Quebec AI Institute（米拉-魁北克人工智能研究所）；HEC Montréal（蒙特利尔高等商学院）；Université de Montréal（蒙特利尔大学）；Dalhousie University（达尔豪斯大学）；McGill University（麦吉尔大学）
本文针对企业动态定价引发的需求公平问题，设计了一个包含动态社会规划器的模拟经济体，利用多臂老虎机、上下文老虎机和强化学习生成税收与补贴政策以激励公平定价，并引入FairReplayBuffer改善RL采样，显著提升了社会福利。
2024-04-22 cs.CY cs.LG
FedMABA: Towards Fair Federated Learning through Multi-Armed Bandits Allocation
The Chinese University of Hong Kong（香港中文大学）
针对联邦学习中统计异构导致的客户端性能不公平问题，本文提出基于对抗性多臂老虎机分配的FedMABA算法，并在多种Non-I.I.D.场景下验证其公平性提升效果。
2024-10-26 cs.CR cs.LG
Statistical Inference for Fairness Auditing
Stanford University（斯坦福大学）
本文将公平性审计建模为多重假设检验，提出基于 bootstrap 的模型无关方法，以统计保证同时界定、标记或认证模型在丰富子群体及分布漂移下的表现差异。
2023-06-08 cs.CY cs.LG stat.ME
Achieving Counterfactual Fairness for Causal Bandit
University of Arkansas（阿肯色大学）
在在线推荐中，客户从底层分布以顺序和随机的方式到达，并且在线决策模型基于某种策略为每个到达的个体推荐所选物品。我们研究如何在每一步推荐一个项目，以最大化预期回报，同时实现用户端公平的客户，即，共享相似简档的客户将接收相似的奖励，而不管他们的敏感属性和被推荐的项目。通过将因果推理纳入土匪和采用软干预来模拟手臂选择策略，我们首先提出了基于d-分离的UCB算法（D-UCB），以探索利用d-分离集来减少所需的探索量，以实现低累积遗憾。在此基础上，我们提出了公平因果强盗（F-UCB）实现反事实的个人公平。理论分析和实验验证了算法的有效性。
2021-09-21 cs.AI cs.CY cs.LG
Stochastic Bandits for Egalitarian Assignment
National University of Singapore（新加坡国立大学）
针对随机多臂老虎机下的平等主义分配问题EgalMAB，提出基于UCB的EgalUCB策略并推导其累积悔值上界，同时给出几乎匹配的策略无关不可能性结果。
2024-10-08 cs.LG stat.ML
Private Rate-Constrained Optimization with Applications to Fair Learning
University of Toronto（多伦多大学）；Vector Institute（向量研究所）
针对差分隐私下的率约束优化问题，提出RaCO-DP算法，通过SGDA的拉格朗日形式处理约束，额外隐私代价仅限于每步小批量直方图估计，理论证明收敛，实验在公平约束下帕累托优于现有方法。
2026-07-01 cs.CR cs.LG stat.ML
Selective Data Expansion for Model Performance
Purdue University（普渡大学）
本文提出 DataSift 框架，结合分区、多臂老虎机与影响函数进行公平性导向的数据估值和主动获取，实验表明少量数据即可显著提升模型公平性。
2026-10-20 cs.CY cs.LG
Trading-off price for data quality to achieve fair online allocation
Inria（法国国家信息与自动化研究所）；Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；CNRS（法国国家科学研究中心）；Grenoble INP（格勒诺布尔国立理工学院）；CREST（经济与统计研究中心）；ENSAE（法国国家统计与经济管理学院）；Criteo AI Lab（Criteo人工智能实验室）
本文研究无法直接观测受保护属性时的公平在线分配问题，将其建模为数据源选择的多臂老虎机与分配问题的耦合，并提出联合算法，实现 $\mathcal{O}(\sqrt{T})$ 遗憾界并支持多种公平性定义。
2023-12-04 cs.LG
Counterfactually Fair Reinforcement Learning via Sequential Data Preprocessing
University of Michigan（密歇根大学）；London School of Economics（伦敦政治经济学院）
针对强化学习在医疗多阶段决策中易引发群体公平偏差的问题，提出基于反事实公平的通用序列决策框架，证明最优策略平稳性并设计序列数据预处理算法，经仿真和真实数字健康数据集验证可有效提升决策公平性与咨询服务可及性。
2025-01-14 cs.CY cs.LG stat.ME
Multi-User Dueling Bandits: A Fair Approach using Nash Social Welfare
Electrical and Computer Engineering, Purdue University（电子与计算机工程系，普渡大学）
针对多用户偏好异质的决斗式赌博机问题，采用纳什社会福利目标最大化用户效用乘积，提出Fair-Explore-Then-Commit和Fair-ε-Greedy算法，并证明其遗憾上界匹配下界。
2026-09-09 cs.LG
Nash Social Welfare for Multi Armed Bandits: Trajectory-wise Expected and High Probability Regret
Indian Institute of Technology, Bombay（印度理工学院孟买分校）
针对公平多臂老虎机，提出轨迹级与高概率纳什遗憾度量，并设计RR-NCB算法，在更强度量下达到最优遗憾界。
2026-10-07 cs.LG stat.ML
Achieving User-Side Fairness in Contextual Bandits
University of Arkansas（阿肯色大学）；Penn State University（宾夕法尼亚州立大学）；Worcester Polytechnic Institute（伍斯特理工学院）
基于多臂强盗（MAB）算法的个性化推荐具有很高的实用性和效率，因为它可以根据反馈动态调整推荐策略。然而，个性化推荐可能会导致不公平。本文主要研究如何在个性化推荐中实现用户端公平性。我们制定我们的公平个性化推荐作为一个修改的上下文强盗，并专注于实现公平的个人被推荐的项目，而不是实现公平的项目被推荐。我们引入并定义了一个度量标准，该度量标准捕获了特权和受保护群体获得的奖励的公平性。提出了一种公平上下文强盗算法Fair-LinUCB，改进了传统的LinUCB算法，实现了用户组级公平性。我们的算法检测和监控不公平，同时学习向学生推荐个性化视频，以实现高效率。我们提供了一个理论上的遗憾分析，并表明我们的算法有一个略高于LinUCB遗憾界。我们进行了大量的实验评估，我们的公平上下文强盗的LinUCB的性能进行比较，并表明我们的方法实现了组级的公平性，同时保持了较高的实用性。
2020-10-22 cs.AI cs.LG
Fairness and Privacy Guarantees in Federated Contextual Bandits
IIIT, Hyderabad（印度理工学院海得拉巴分校）；IIT, Ropar（印度理工学院罗帕尔分校）
本文提出联邦公平上下文老虎机算法Fed-FairX-LinUCB及其隐私版本，通过新颖通信协议实现次线性公平遗憾，并保证差分隐私，实验验证其接近最优性能。
2024-02-05 cs.LG
Multi-Objective Multi-Agent Bandits: From Learning Efficiency to Fairness Optimization
University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校）
本文研究了在随机奖励下的多目标多智能体老虎机问题，提出基于Pareto regret的高效学习算法和基于社会福利的公平学习方法，证明了算法在效率和公平性上的性能。
2026-05-07 cs.LG
Fairness-Guided DQN-Based TXOP Control for NR-U/Wi-Fi Coexistence
Research Center for Information Technology Innovation (CITI), Academia Sinica (AS)（资讯科技创新研究所以（CITI），中华学术界（AS））；Department of Electrical Engineering, National Taiwan Normal University (NTNU)（国立台湾师范大学电子工程系（NTNU））
针对NR-U与Wi-Fi在非授权频谱共存中的频谱利用不平衡问题，提出一种基于策略驱动的深度强化学习框架，通过奖励设计实现公平性、吞吐量和效用的灵活权衡控制。
2026-10-12 cs.LG cs.NI cs.SY
A Boolean Function-Theoretic Framework for Expressivity in GNNs with Applications to Fair Graph Mining
National Law University Meghalaya（孟加拉邦国家法律大学）
本文提出基于布尔函数理论的GNN表达力框架，通过亚群体布尔同构概念提升公平图挖掘中的表达力和公平性。
2026-01-19 cs.LG
Balancing the Scales: Reinforcement Learning for Fair Classification
Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；Utrecht University（乌得勒支大学）
针对分类任务的公平性问题，本文提出利用强化学习，通过缩放奖励函数并适配三种RL算法至上下文多臂老虎机框架，来缓解不平衡分类中的偏差。
2024-07-15 cs.CL cs.CY cs.LG
Fair Distributed Cooperative Bandit Learning on Networks for Intelligent Internet of Things Systems (Technical Report)
School of Electronics and Communication Engineering, Sun Yat-sen University（中山大学电子与通信工程学院）；China Academy of Electronics and Information Technology（中国电子科技集团公司电子科学研究院）
本文针对智能物联网系统提出公平分布式协作赌博机模型及DC-ULCB算法，实现服务器协作选传感器以最大化数据速率并保证公平，理论证明遗憾对数上界，仿真验证优于现有算法。
2024-03-18 cs.DC cs.LG
Honor Among Bandits: No-Regret Learning for Online Fair Division
Paulson School of Engineering and Applied Sciences, Harvard University（哈佛大学保罗森工程与应用科学学院）；Department of Statistics, Harvard University（哈佛大学统计系）
针对均值未知的不可分物品在线公平分配问题，将其归约为随机多臂老虎机变体，设计先探索后承诺算法实现$\tilde{O}(T^{2/3})$悔值且满足两类期望公平约束，并证明对应紧下界。
2024-12-09 cs.GT cs.LG
Are Stochastic Multi-objective Bandits Harder than Single-objective Bandits?
H. Milton Stewart School of Industrial and Systems Engineering（赫尔曼·米利顿·斯图尔特工业与系统工程学院）；Georgia Institute of Technology（佐治亚理工学院）；Mechanical and Industrial Engineering University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特机械与工业工程学院）
本文探讨多目标老虎机的Pareto后悔与单目标老虎机的关系，提出一种新方法证明多目标问题在Pareto后悔上并不更难，且与单目标问题具有相同最优性。
2026-05-07 cs.LG stat.ML
Distributed Learning in Multi-Armed Bandit with Multiple Players
University of California, Davis（加州大学戴维斯分校）
我们制定和研究一个分散的多臂强盗（MAB）问题。有M个分布式参与者竞争N个独立的武器。每一只手臂，在演奏时，都提供了身份证。根据具有未知参数的分布进行奖励。在每一次，每个玩家选择一只手臂玩，不与其他玩家交换观察或任何信息。选择相同手臂的玩家发生碰撞，根据碰撞模型，要么没有人获得奖励，要么碰撞的玩家以任意方式分享奖励。我们发现，分散的MAB的最小系统遗憾随着时间的增长，在相同的对数顺序在集中式的对手，球员集体作为一个单一的实体，通过交换意见和共同决策。一个分散的政策，以实现这一最优秩序，同时确保公平的参与者之间，而不假设任何预先协议或参与者之间的信息交换。基于M个最优武器的时分公平共享（TDFS），构造了该策略，并在一般报酬模型下证明了其序最优性。此外，TDFS策略的基本结构可以与任何订单最优的单人策略一起使用，以实现分散设置中的订单最优性。我们还建立了一个下界的系统遗憾的增长率的一般类的分散政策，建议的政策属于。该问题在认知无线电网络、多信道通信系统、多智能体系统、网络搜索和广告以及社交网络中有潜在的应用。
2010-06-07 cs.LG math.OC math.PR
