Scoring Is Not Enough: Addressing Gaps in Utility-fairness Trade-offs for Ranking
仅靠打分不够：排名中效用-公平性权衡的缺失及其弥补
🧭 排序效用与公平性权衡 · 后处理优化
University of Illinois Chicago
证明排序中仅靠打分函数无法实现最优效用-公平性权衡，半贪婪后处理可逼近理想前沿
📌 工作参考价值（4 点）
- 推荐系统重排序引入公平性目标时，避免仅依赖单一预测分数排序，应使用显式列表级后处理（如半贪婪方法）来平衡公平与效用
- 半贪婪后处理计算开销远低于穷举搜索，可在线部署，适合电商/广告大候选集的公平性干预
- 跨请求的累积公平性约束（多查询公平）比单次推荐公平更能改善长期生态，可作为长期公平优化方向
- 实验表明基于分数的随机排序（如概率排序）也无法充分实现公平-效用前沿，建议直接优化排序策略而非调整分数