论文首次系统审计招聘决策模型 jev 的偏见与公平性
资讯摘要
论文对面向招聘场景的类型化决策模型 jev 进行首次系统性偏见与公平性审计，考察显式人口属性与隐性候选人线索如何影响筛选评分、排名和入围结果，并以姓名替换和排版变化构成的噪声基线作对照，同时评估输出有效性、延迟与成本。作者发布反事实简历数据集与评估代码以支持复现。
要点速读
- 论文称这是对招聘用类型化决策模型 jev 的首个系统性偏见与公平性审计
- 研究比较显式人口属性与隐性候选人线索对评分、排名和入围的影响，并以姓名替换和排版变化作为噪声基线
- 作者同时评估输出有效性、延迟与成本，并发布反事实简历数据集和评估代码
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。