La Coerenza delle Spiegazioni Controfattuali Rileva Pregiudizi Nascosti nei Modelli di Credito Equi

Un recente articolo di ricerca pubblicato su arXiv (2605.12701) indica che i modelli di machine learning progettati per garantire l'equità nelle decisioni di credito possono ancora nascondere pregiudizi procedurali occulti. I ricercatori introducono un framework chiamato Counterfactual Explanation Consistency (CEC), che mira a identificare e ridurre tali pregiudizi assicurando che le attribuzioni delle caratteristiche siano coerenti tra gli individui e i loro controfattuali. Contributi notevoli di questo lavoro includono un metodo per generare controfattuali del vicino più prossimo, una baseline aggiornata per confrontare i gradienti integrati, una metrica per valutare l'equità procedurale a livello individuale e una corrispondente funzione di perdita per l'addestramento. Inoltre, lo studio presenta una tassonomia che evidenzia il 'Regime B' (stesso risultato, ragionamento diverso) come una significativa svista nelle valutazioni convenzionali dell'equità.