标签
本文审计了自动化信用违约预测中基于置信度的标签过滤，揭示了收入条件相关的召回率差异，并表明当代理变量和制度性偏见持续存在时，仅对模型遮蔽敏感属性并不能消除公平差距。
本文系统评估了信用评分中的拒绝推断方法，并发现了一种结构性失效模式：在自然的再训练周期中，模型的准确率提升但召回率骤降，造成了改进的幻象，而实际拒绝质量却在恶化。本文提出了一种受控探索策略，无需统计假设即可打破反馈循环，并证明即使最低的探索率也足以诊断该问题。
本文开发了一个框架，用于评估欧洲AI法案下数据驱动系统的推理能力，以信用评分为案例，说明推理发生的位置以及哪些方面需要更清晰的监管规定。
本综述研究了金融AI系统中的计算非确定性，涵盖表格模型、图网络和基于LLM的工作流，并提出了一个用于可审计性的分层评估框架。