Balancing Efficiency with Equality: Auction Design with Group Fairness Concerns

AI的公平性问题源于像工作推荐和风险评估等应用中的歧视性做法，强调需要不基于群体特征歧视的算法。这个问题也与资源分配常用的拍卖有关，需要考虑公平性。我们的研究探讨了具有特定属性区分的群体的拍卖，旨在（1）定义确保所有人公平待遇的公平概念，（2）确定遵循这种公平性的机制，同时保持激励兼容性，以及（3）探索公平性和卖方收入之间的平衡。我们引入了两个公平性概念-群体公平性和个体公平性，并提出了两种相应的拍卖机制：群体概率机制，满足群体公平性和激励标准，以及群体评分机制，也包括个体公平性。通过实验，我们验证了这些机制促进公平性的有效性，并检查了它们对卖方收入的影响。

研究如何设计公平的拍卖机制，以确保不基于群体特征进行歧视性推荐和风险评估。

提出了两种公平机制：群体概率机制和群体得分机制，以实现群体公平和个体公平，并在保持激励兼容性的同时探索公平和卖方收益之间的平衡。

通过实验验证了这些机制在促进公平方面的有效性，并探讨了它们对卖方收益的影响。

最近的相关研究包括“公平性和效率的拍卖机制设计”和“基于机器学习的公平拍卖机制设计”。