虚假相关性去偏

秩引导伪偏差学习用于鲁棒黑盒适配

Rank-Guided Pseudo-Bias Learning for Robust Black-Box Adaptation

提出一种无需访问骨干网络参数和人口统计标注的黑盒去偏框架，通过轻量适配器放大潜在虚假方向、无监督聚类生成伪偏差标签，并结合监督对比对齐与自适应边界净化表示，可直接用于冻结视觉基础模型的下游公平性提升。