公平性学习

用于医学视觉语言模型交叉公平性的双曲关系提示词

Hyperbolic Relational Prompts for Intersectional Fairness in Medical VLMs

把提示词生成建模为在双曲空间中基于样本级关系图的推理过程，为视觉语言模型提供了一种可复用的条件化手段，可用于处理交叉属性组合（如种族×性别）下的细粒度偏差；做提示词微调或多属性可控生成时，可借鉴其双曲图层的层级建模思路。