社会偏见缓解

面向社会公平的可解释视觉语言模型去偏

Interpretable Debiasing of Vision-Language Models for Social Fairness

用稀疏自编码器在多模态编码器上定位可解释的「社会属性神经元」，再通过选择性关闭这些神经元实现去偏，为视觉研究者提供了一种无需重训练、可审计的模型内部干预手段，可直接迁移到人脸属性识别、跨群体公平性分析等场景。