A Bandit-Based Algorithm for Fairness-Aware Hyperparameter Optimization
Feedzai（飞载）；Universidade do Porto（波尔图大学）
相当多的研究工作已被引导到算法公平性，但仍然没有重大突破。在实践中，需要对所有可能的技术和超参数进行详尽的搜索，以找到最佳的公平性-准确性权衡。因此，再加上ML从业者缺乏工具，减少偏差方法的实际应用仍然很少。为了解决这个问题，我们提出了Fairband，一个基于带宽的公平感知超参数优化（HO）算法。Fairband在概念上简单，资源有效，易于实现，并且对目标指标，模型类型和正在探索的超参数空间都不可知。此外，通过将公平概念引入HO，我们可以将公平目标无缝有效地集成到现实世界的ML管道中。我们比较Fairband与流行的HO方法在四个现实世界的决策数据集。我们表明，Fairband可以有效地导航的公平性和准确性的权衡，通过超参数优化。此外，在没有额外的训练成本的情况下，它始终发现在预测准确性的相对较小的降低下实现大幅提高的公平性的配置。
2020-10-22 cs.AI 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
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
Metric-Free Individual Fairness with Cooperative Contextual Bandits
George Mason University（乔治梅森大学）
数据采掘算法越来越多地用于日常生活中各行各业的自动决策。不幸的是，正如几项研究所报告的那样，这些算法注入了来自数据和环境的偏见，导致不公平和不公平的解决方案。为了减轻机器学习中的偏差，已经提出了公平性的不同形式化，其可以被分类为群体公平性和个体公平性。群体公平性要求不同的群体应该得到类似的对待，这可能对群体中的某些人不公平。另一方面，个体公平要求相似的个体受到相似的对待。然而，个人的公平性仍然研究不足，由于其依赖于特定问题的相似性度量。我们提出了一个无度量的个人公平性和合作上下文土匪（CCB）算法。CCB算法利用公平性作为奖励并试图最大化它。将公平性视为奖励的优点是公平性标准不需要是可微的。该算法在多个真实世界的基准数据集上进行了测试。结果表明，该算法在减轻偏见，实现个人和群体的公平性的有效性。
2020-11-13 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
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
Achieving Fairness in Stochastic Multi-armed Bandit Problem
我们研究了一个有趣的变体的随机多臂强盗问题，称为公平SMAB问题，其中每个手臂需要被拉至少一个给定的分数的总可用轮。我们调查学习和公平性之间的相互作用，在一个预先指定的向量表示的分数保证拉。我们定义了一个公平意识的遗憾，称为r-遗憾，考虑到上述公平的限制，自然扩展了传统的遗憾的概念。我们的主要贡献是通过两个参数：不公平容忍度和作为黑盒的学习算法来表征一类Fair-SMAB算法。我们提供了一个公平的保证，这个类，保持一致，随着时间的推移，无论选择的学习算法。特别地，当学习算法是UCB 1时，我们证明了我们的算法实现了O（log（T））r-Regret。最后，我们评估的成本公平的传统概念的遗憾。
2019-07-23 cs.LG stat.ML
Fair Algorithms for Infinite and Contextual Bandits
University of Pennsylvania（宾夕法尼亚大学）
我们研究线性强盗问题中的公平性。从Joseph et al. [2016]中引入的精英公平的概念开始，我们对一个更一般的问题进行了更精细的分析，通过对可用选择的数量和结构以及选择的数量进行更少的建模假设，实现了更好的性能保证。我们还分析了以前未研究的问题，在无限线性强盗问题的公平性，获得实例相关的遗憾的上界以及下界证明这种实例依赖是必要的。其结果是一个在线线性环境中的精英公平框架，它比当前的艺术水平更强大，更普遍，更现实。
2017-06-29 cs.LG
Thompson Sampling for Combinatorial Semi-bandits with Sleeping Arms and Long-Term Fairness Constraints
University of Victoria（维多利亚大学）；Southeast University（东南大学）；Harbin Institute of Technology（哈尔滨工业大学）
研究了具有长期公平性约束的组合睡眠多臂半强盗问题~（CSMAB-F）。针对该问题，采用Thompson Sampling~（TS）方法最大化总报酬，采用虚拟队列技术处理公平性约束，并设计了一种算法\emph{TS with beta priors and Bernoulli likelihoods for CSMAB-F~(TSCSF-B)}。进一步，我们证明了TSCSF-B能满足公平性约束，并且时间平均后悔的上界为$\frac{N}{2η} + O\left(\frac{\sqrt{mNT\ln T}}{T}\right)$，其中$N$是总的手臂数，$m$是每轮中能同时拉动的最大手臂数~（基数约束），$η$是公平性与奖励的权衡参数.通过放松公平性约束（即，令$η\rightarrow \infty$），该界归结为组合睡眠多臂半强盗问题TS算法的第一个与问题无关的界。最后，我们进行了数值实验，并使用一个高收视率的电影推荐应用程序，以显示所提出的算法的有效性和效率。
2020-05-14 cs.LG stat.ML
Achieving Fairness in the Stochastic Multi-armed Bandit Problem
Indian Institute of Science（印度科学学院）
我们研究了一个有趣的变体的随机多臂强盗问题，称为公平SMAB问题，其中每个手臂需要被拉至少一个给定的分数的总可用轮。我们调查学习和公平性之间的相互作用，在一个预先指定的向量表示的分数保证拉。我们定义了一个公平意识的遗憾，称为$r$ -遗憾，考虑到上述公平的限制，自然扩展了传统的遗憾的概念。我们的主要贡献是通过两个参数：不公平容忍度和作为黑盒使用的学习算法来表征一类Fair-SMAB算法。我们提供了一个公平的保证，这个类，保持一致，随着时间的推移，无论选择的学习算法。特别是，当学习算法是UCB 1，我们表明，我们的算法实现了$O(\ln T)$ $r$ -后悔。最后，我们评估的成本公平的传统概念的遗憾。
2020-02-05 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
Attack-Resistant Uniform Fairness for Linear and Smooth Contextual Bandits
National University of Singapore（新加坡国立大学）
本文提出了一种对抗鲁棒的均匀公平性算法，以在保证公平性的同时实现线性和平滑奖励函数的最小最大最优后悔。
2026-09-22 cs.LG stat.ME stat.ML
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
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
Contextual bandits with concave rewards, and an application to fair ranking
PSL University（巴黎文理研究大学）；Meta AI
我们认为上下文的强盗与凹奖励（CBCR），一个多目标的强盗问题，其中所需的权衡之间的奖励是由一个已知的凹目标函数定义的，和奖励向量取决于观察到的随机上下文。我们提出了第一个算法，可证明消失的遗憾CBCR没有限制的政策空间，而以前的作品仅限于有限的政策空间或表格表示。我们的解决方案是基于几何解释的CBCR算法作为优化算法的期望回报跨越所有随机政策的凸集。基于约束凸优化中的Frank-Wolfe分析，我们得到了一个新的减少，从CBCR遗憾的标量奖励强盗问题的遗憾。我们说明了如何应用减少现成的线性和一般的奖励函数，在非组合行动的情况下，获得算法的CBCR。出于公平的建议，我们描述了一个特殊情况下的CBCR排名和公平意识的目标，导致第一个算法的遗憾保证上下文组合土匪公平曝光。
2023-02-28 cs.AI cs.CY cs.IR
Regret, stability & fairness in matching markets with bandit learners
Massachusetts Institute of Technology（麻省理工学院）
做出明智的决定-例如，在选择职业或住房时-需要了解现有的选择。这些知识通常是通过昂贵的试错来获得的，但这种学习过程可能会被竞争所破坏。在这项工作中，我们研究了竞争如何影响个人学习的长期结果。我们建立在一条工作线上，将这种设置建模为具有强盗学习者的双边匹配市场。最近的一个结果表明，这是不可能的，同时保证两个自然desiderata：稳定性和低最佳遗憾的所有代理。资源分配平台可以将这一结果作为将良好的长期结果分配给某些代理人而将不良结果分配给其他代理人的理由。我们表明，这种不可能性不一定成立。特别是，通过模拟竞争的两个额外的组成部分-即，成本和转移-我们证明，它是可以同时保证四个必要的：稳定性，低最佳遗憾，公平分配的遗憾，高社会福利。
2022-04-13 cs.GT cs.LG cs.MA
Fairness of Exposure in Online Restless Multi-armed Bandits
Indian Institute of Technology Ropar（印度罗帕尔理工学院）；International Institute of Information Technology Hyderabad（海得拉巴国际信息技术学院）
提出首个在线非平稳多臂老虎机公平框架，按臂价值比例分配拉取次数，实现亚线性公平遗憾并验证多拉取场景有效性。
2024-02-09 cs.LG stat.ML
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-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
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
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
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
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
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
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
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
Multilinguality in LLM-Designed Reward Functions for Restless Bandits: Effects on Task Performance and Fairness
Centre for Responsible AI, Indian Institute of Technology Madras（印度马德拉斯理工学院负责任人工智能中心）；Indian Institute of Technology Madras（印度马德拉斯理工学院）；Google Deepmind（谷歌DeepMind）
本研究探讨了在Restless Bandits中，使用非英语提示LLM设计奖励函数对任务性能和公平性的影响，发现英文提示性能更优，低资源语言和复杂提示易导致不公平。
2025-01-20 cs.AI cs.CL 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
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
An Algorithmic Framework to Control Bias in Bandit-based Personalization
Indian Institute of Technology, Kanpur（坎普尔印度理工学院）；École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）
个性化在在线空间中很普遍，因为它通过允许向每个用户提供最相关的内容来提高效率和收入。然而，最近的研究表明，个性化方法可能会传播社会或系统性偏见和偏见;这导致了对监管机制和算法的呼吁，以打击偏见和不平等。从理论上讲，bandit优化在学习用户偏好和相应地个性化内容或提要方面取得了巨大成功。我们提出了一个算法框架，允许在这种基于强盗的个性化的可能性，以控制偏见或歧视。我们的模型允许对可以显示给用户的敏感类型的内容的一般公平性约束的规范。然而，面临的挑战是提出一个可扩展的和低遗憾算法的约束优化问题，出现。我们的主要技术贡献是一个可证明的快速和低遗憾算法的公平约束的强盗优化问题。我们的证明关键地利用了问题的特殊结构。在合成数据集和真实数据集上的实验表明，我们的算法框架可以控制偏差，只有轻微的收入损失。
2018-02-23 cs.AI cs.CY cs.IR
Blessings of Multiple Good Arms in Multi-Objective Linear Bandits
Seoul National University（首尔大学）
本文提出在多目标线性老虎机中利用多个良好臂带来的隐含探索优势，通过理论和实验验证了简单贪婪算法的有效性，并引入了帕累托公平性框架。
2026-02-13 cs.LG stat.ML
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
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
Improved Algorithms for Nash Welfare in Linear Bandits
Indian Institute of Technology Kharagpur（印度理工学院克哈格普尔学院）；Indian Institute of Technology Kanpur（印度理工学院坎普尔学院）
针对线性赌博机中纳什遗憾的次优性，提出新分析工具实现阶最优界，并引入p-均值遗憾统一框架，设计元算法FairLinBandit，在真实数据集上优于现有方法。
2026-06-23 cs.LG
Price of Fairness in Bandits: A Tight Minimax Characterization
Indian Institute of Technology Kharagpur（印度理工学院卡拉格浦尔分校）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；Indian Institute of Technology Kanpur（印度理工学院坎浦尔分校）
带反馈问题中，标准算法或使早期参与者面临不公平损失。此前\(p \geq 0\)时结果已知，\(q = -p > 0\)的严格公平机制待解决。本文用大海捞针构造证明下界，引入\textsf{UCB - HARE}算法，其遗憾与下界匹配，实验证实该算法优于均匀探索基线。
2026-07-16 cs.AI cs.LG stat.ML
Online Fair Revenue Maximizing Cake Division with Non-Contiguous Pieces in Adversarial Bandits
Sharif University of Technology（谢里夫理工大学）
经典的切蛋糕问题提供了一个模型，用于解决公平和有效地分配一个可分割的，异构的资源与不同的偏好之间的代理。专注于蛋糕切割的标准制定，其中每个代理必须在离线设置中接收一块连续的蛋糕，这项工作的重点是在线分配代理之间的非连续的蛋糕块，并建立算法结果的公平性措施。在这方面，我们利用经典的对抗性多武装土匪，同时实现次线性公平和收入后悔。对抗性强盗是模拟对抗性强化学习环境的强大工具，它通过在探索和利用之间应用智能权衡，在每一步中只观察一个动作的奖励，为学习的遗憾提供了强大的上限。本文研究了著名的基于指数加权{-}重要性概率分布的EXP_3算法的性能。
2021-11-29 cs.GT 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
Group Meritocratic Fairness in Linear Contextual Bandits
Istituto Italiano di Tecnologia（意大利理工学院）；University College London（伦敦大学学院）；ENSAE（法国国立统计与经济管理学院）；Institut Polytechnique de Paris（巴黎理工学院）
我们研究了线性上下文强盗问题，其中一个代理必须从一个池中选择一个候选人，每个候选人属于一个敏感组。在这种情况下，候选人的报酬在不同群体之间可能无法直接比较，例如，当代理人是雇用来自不同族裔群体的候选人的雇主，而某些群体由于歧视性偏见和/或社会不公正而获得较低的报酬时。我们提出了一个公平的概念，指出代理的政策是公平的，当它选择一个候选人与最高的相对排名，这衡量如何好的奖励是从同一组的候选人相比。这是一个非常强的公平性概念，因为相对排名不是由代理直接观察到的，而是取决于潜在的奖励模型和奖励的分配。因此，我们研究的问题，学习的政策，近似一个公平的政策的条件下，组之间的上下文是独立的，每个组的奖励分配是绝对连续的。特别是，我们设计了一个贪婪的政策，在每一轮构造一个岭回归估计所观察到的上下文奖励对，然后使用经验累积分布函数计算每个候选人的相对排名的估计。我们证明，尽管它的简单性和缺乏一个初始的探索阶段，贪婪的政策实现，日志因子和高概率，一个公平的伪遗憾的顺序$\sqrt{dT}$后，$T$轮，其中$d$是上下文向量的维度。该政策还满足人口均等在每一轮时，平均所有可能的信息选择之前。最后，我们使用模拟设置和美国人口普查数据上的实验表明，我们的政策实现了次线性公平伪遗憾也在实践中。
2022-12-20 cs.LG stat.ML
Small Total-Cost Constraints in Contextual Bandits with Knapsacks, with Application to Fairness
Université Paris-Saclay, CNRS, Laboratoire de mathématiques d’Orsay（巴黎萨克雷大学，国家科学研究中心，奥赛数学实验室）；BNP Paribas Corporate and Institutional Banking（法国巴黎银行企业与机构银行部）；HEC Paris（巴黎高等商学院）
本文针对带背包的上下文赌博机问题，提出基于投影梯度下降的对偶策略，将总成本约束从 $T^{3/4}$ 量级降至 $\sqrt{T}$ 量级，并应用于群体间平均成本均等的公平性约束。
2023-10-26 cs.LG stat.ML
Revisiting Social Welfare in Bandits: UCB is (Nearly) All You Need
Indian Institute of Technology Kharagpur（印度理工学院卡拉格普尔分校）；Indian Institute of Technology Kanpur（印度理工学院坎普尔分校）
本文证明标准UCB算法配合初始均匀探索即可在仅依赖加性霍夫丁界的情况下实现接近最优的纳什遗憾，并推广至p-均值遗憾，统一达到接近最优界，克服了现有方法对奖励分布的严格限制。
2025-10-24 cs.LG
Fairness in two-player zero-sum games with bandit feedback
LatentForce.ai；Laboratoire d’Informatique Fondamentale d’Orléans（奥尔良基础信息学实验室）；University of Orléans（奥尔良大学）
研究在公平约束下（每个动作概率至少为α/m）的两人零和博弈，通过重参数化将公平博弈转化为标准零和博弈，提出Fair-ETC-TPZSG算法并证明其遗憾界。
2026-05-31 cs.GT cs.LG
Group-Sensitive Offline Contextual Bandits
Johns Hopkins University（约翰霍普金斯大学）
本文提出了一种群体敏感的离线上下文老虎机优化框架，通过引入群体奖励差异约束，减少策略学习中的群体间奖励不平等，同时保持整体性能的竞争性。
2026-01-06 cs.LG
Minimax Optimal Regret for Causal Logistic Bandits with Counterfactual Fairness
University of Cambridge（剑桥大学）；KAIST（韩国科学技术院）；Seoul National University（首尔大学）
针对带反事实公平约束的因果逻辑强盗，证明覆盖条件必要性，提出匹配上下界，算法达到极小极大最优遗憾。
2026-10-02 cs.LG
Online Learning with Multiple Fairness Regularizers via Graph-Structured Feedback
Department of Mathematics, National University of Singapore（新加坡国立大学数学系）；Department of Computer Science, Czech Technical University（捷克技术大学计算机科学系）；Dyson School of Design Engineering, Imperial College London（伦敦帝国理工学院设计工程戴森学院）；Imperial College London（伦敦帝国理工学院）
本文针对在线决策中多重公平约束的权重自适应问题，提出了一种基于图结构反馈的赌博机算法，能够在不预先知道权重的情况下在线学习并平衡多个公平性目标。
2026-05-22 cs.AI cs.LG
DP-NCB: Privacy Preserving Fair Bandits
Indian Institute of Technology Kharagpur（印度克里维利大学卡拉格浦分校）；Indian Institute of Technology Kanpur（印度理工学院坎普尔分校）
本文提出DP-NCB框架，首次同时实现赌博机算法的ε-差分隐私与阶最优纳什遗憾，兼顾隐私与公平，并通过模拟验证其优于现有基线。
2025-08-05 cs.LG stat.ML
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
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
Contextual Budget Bandit for Food Rescue Volunteer Engagement
University of Chicago（芝加哥大学）；Carnegie Mellon University（卡内基梅隆大学）；University of Pittsburgh（匹兹堡大学）
针对食物救援平台志愿者参与算法加剧地理差异的问题，提出Contextual Budget Bandit模型，通过上下文相关预算分配缓解不公，并设计Mitosis算法保证最优分配，在真实与合成数据上均优于基线并实现地理公平。
2025-09-13 cs.AI cs.CY cs.LG
Individually Fair Learning with One-Sided Feedback
The Hebrew University（希伯来大学）；University of Pennsylvania（宾夕法尼亚大学）
我们考虑一个在线学习问题，其中学习者能够观察到真正的标签只有积极的预测的情况下，单侧反馈。在每一轮中，$k$实例根据学习者部署的随机策略到达并接收分类结果，其目标是在部署单独公平策略的同时最大化准确性。我们首先扩展了Bechavod等人（2020）的框架，该框架依赖于人类公平审计员的存在来检测违反公平性的行为，而是将来自动态选择的多个小组的反馈，可能不一致，审计员。然后，我们从我们的具有单侧反馈的在线学习问题和报告违反公平性的面板到上下文组合半强盗问题（Cesa-Bianchi & Lugosi，2009，György等人，2007年）。最后，我们展示了如何在上下文组合半强盗设置中利用两种算法的保证：Exp 2（Bubeck等人，2012）和甲骨文高效的上下文-半-Bandit-FTPL（Syrgkanis等人，2016），同时提供多标准的无遗憾保证的准确性和公平性。我们的研究结果消除了先前工作中两个潜在的偏见来源：在全信息环境下运行的算法无法获得的“隐藏结果”，以及可能存在于任何单个人类审计员中的人类偏见，但可以通过选择精心挑选的小组来减轻。
2022-06-09 cs.LG stat.ML
Equitable Restless Multi-Armed Bandits: A General Framework Inspired By Digital Health
Harvard University（哈佛大学）；Google Research（谷歌研究院）；Verily Life Sciences（Verily生命科学）
本文首次研究公平RMAB（ERMAB），针对最小最大奖励与最大Nash福利提出注水及考虑群体规模的贪婪算法，并在三个仿真领域验证其可显著提升公平性且基本不损失效用。
2023-08-17 cs.AI cs.CY cs.LG
Batched Online Contextual Sparse Bandits with Sequential Inclusion of Features
Metica
针对稀疏和批量数据下的线性奖励上下文老虎机问题，提出OBSI算法通过随置信度提升顺序纳入特征、排除无关特征来保障公平性，实验显示其在遗憾值、特征相关性和计算量上均优于其他算法。
2024-09-13 cs.LG stat.ML
Nash Regret Guarantees for Linear Bandits
Indian Institute of Science（印度科学学院）；Google Research（谷歌研究院）
该研究针对随机线性老虎机的纳什后悔（基于纳什社会福利的公平性后悔指标），提出基于连续消除法的算法，在有限/无限臂场景下得到了紧的上界，为老虎机算法提供了有理论依据的公平性保证。
2023-10-03 cs.GT cs.LG
