University of Toronto（多伦多大学）

Fairness Audits of Institutional Risk Models in Deployed ML Pipelines

在部署的机器学习管道中对机构风险模型进行公平性审计

Kelly McConvey, Dipto Das, Maya Ghai, Angelina Zhai, Rosa Lee, Shion Guha

机构 * University of Toronto（多伦多大学） 纠错

AI总结 本文通过复制方法审计了部署的早期预警系统，揭示了因性别、年龄和居住状态导致的系统性资源分配不公，并强调了评估构建效度的重要性。

One Step Forward and K Steps Back: Better Reasoning with Denoising Recursion Models

向前一步，向后退几步：通过去噪递归模型更好地推理

Chris Cameron, Wangzheng Wang, Nikita Ivanov, Ashmita Bhattacharyya, Didier Chételat, Yingxue Zhang

机构 * Huawei Technologies（华为技术有限公司） ； University of Toronto（多伦多大学） ； University of Waterloo（滑铁卢大学） 纠错

AI总结 本文提出去噪递归模型，通过多步递归去噪提升推理能力，优于传统递归模型，在ARC-AGI任务中表现更佳。

Evaluating Cooperation in LLM Social Groups through Elected Leadership

通过选举领导力评估大语言模型社交群体中的合作

Ryan Faulkner, Anushka Deshpande, David Guzman Piedrahita, Joel Z. Leibo, Zhijing Jin

机构 * Jinesis Lab, University of Toronto \& Vector Institute（谷歌DeepMind） ； Google DeepMind ； ETH Z\" u rich ； Max Planck Institute for Intelligent Systems, T\" u bingen, Germany 纠错

AI总结 本文通过多智能体模拟研究选举领导机制对大语言模型合作与社会福利的影响，实验显示选举领导能提升社会福利评分和生存时间。

Comments Main text: 11 pages, 4 figures, 4 tables