quiz.json

{
  "lesson": "21-fairness-criteria-group-individual-counterfactual",
  "title": "公平性标准 —— 群体、个体、反事实",
  "questions": [
    {
      "stage": "pre",
      "question": "对于群体 A=a 和 A=a'，哪一项最符合人口统计均等（demographic parity）的定义？",
      "options": [
        "各群体的真阳性率和假阳性率相等",
        "各群体的预测值（predictive value）相等",
        "各群体的 Lipschitz 常数相等",
        "接受率相等：P(Y=1 | A=a) = P(Y=1 | A=a')"
      ],
      "correct": 3,
      "explanation": ""
    },
    {
      "stage": "check",
      "question": "Chouldechova / Kleinberg-Mullainathan-Raghavan 2017 的不可能性结果说了什么？",
      "options": [
        "群体公平总能通过重新加权来实现",
        "在基率不等的情况下，人口统计均等、等化几率（equalized odds）和条件使用准确率均等无法同时成立",
        "反事实公平蕴含人口统计均等",
        "对任意 DAG，个体公平都蕴含反事实公平"
      ],
      "correct": 1,
      "explanation": ""
    },
    {
      "stage": "check",
      "question": "Dwork 等人 2012 通过什么来定义个体公平（individual fairness）？",
      "options": [
        "个体层面的人口统计均等",
        "跨受保护群体的准确率相等",
        "决策映射相对于一个任务专属相似度度量满足 Lipschitz 条件，使相似的个体得到相似的决策",
        "一个带敏感属性干预的因果 DAG"
      ],
      "correct": 2,
      "explanation": ""
    },
    {
      "stage": "check",
      "question": "反事实公平（Kusner 等人 2017）要求：",
      "options": [
        "无需任何因果假设",
        "所有群体的 Lipschitz 常数相等",
        "仅群体层面的统计量",
        "一个因果 DAG；当个体的敏感属性被反事实地改变时，决策保持不变"
      ],
      "correct": 3,
      "explanation": ""
    },
    {
      "stage": "post",
      "question": "为什么回溯反事实（backtracking counterfactuals，arXiv:2401.13935）对法律合规很重要？",
      "options": [
        "它们不在受保护属性上做干预（那在法律上有问题），而是追问：哪一组实际特征本会产生该反事实结果",
        "它们消除了对任何因果模型的需求",
        "它们取代了基于嵌入的偏见度量",
        "它们证明了不可能性定理是错的"
      ],
      "correct": 0,
      "explanation": ""
    },
    {
      "stage": "post",
      "question": "ICLR Blogposts 2024 的哲学性调和论点是什么？",
      "options": [
        "不可能性定理可通过重新加权来化解",
        "在有显式因果图的情况下，满足某些群体公平度量就蕴含反事实公平，因此两类之间看似的对立，部分是因为让因果模型保持隐式而造成的假象",
        "群体公平与反事实公平互不相关",
        "只有个体公平是站得住脚的"
      ],
      "correct": 1,
      "explanation": ""
    }
  ]
}