TMLR

FairNVT: Fair Classification via Noise Injection in Vision Transformers

FairNVT：通过噪声注入提升视觉变换器的公平性

Qiaoyue Tang, Sepidehsadat Hosseini, Mengyao Zhai, Thibaut Durand, Greg Mori

机构 * University of British Columbia（不列颠哥伦比亚大学） ； RBC Borealis ； Simon Fraser University（西蒙 Fraser大学） 纠错

AI总结 FairNVT通过在视觉变换器中注入噪声，提升表示和预测层面的公平性，同时保持任务准确性，采用轻量适配器学习任务相关和敏感嵌入，并通过校准高斯噪声和正交约束减少敏感属性泄露。

Comments TMLR

Gradient Heterogeneity Complements Hessian Heterogeneity in Transformer Optimization

通过梯度异质性理解Transformer优化

Akiyoshi Tomihari, Issei Sato

机构 * Department of Computer Science, The University of Tokyo（东京大学计算机科学系） 纠错

AI总结 通过梯度异质性分析，揭示Adam优化器优于SGD的原因，证明其与符号方法的关联，以及层归一化对异质性的影响。

Comments TMLR 2026