FAIDER：LLM推荐公平性解码新方法

Ziwei Wu 与 Jingrui He 提出 FAIDER，一种面向大语言模型推荐器的公平性感知条目级解码方法。它不操纵 token 级 logits，也不反复修复已生成的输出，而是在构建推荐列表时直接选择完整条目候选。 该方法用 conformal 启发的经验校准确定跨群体语义差异阈值，在线解码时采用硬过滤或经对偶启发反馈调整的软惩罚，以逼近预设违规率。作者称，在多个推荐基准和 LLM 主干上，Soft FAIDER 的语义公平性与排序质量均优于所评估的 prompt 修复基线。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。