演示實證
從基準線到推薦方案的全過程權衡保持透明。
這些畫面展示了在固定合成測試集上運行的實際本地演示。
住房AI合規
Equora將測得的差異轉化為對低差異替代方案的可重現搜尋，同時將精確度成本、精確決策證據以及發布門禁始終置於監控之下。
0.694 to 0.875
最不利群體DIR變化趨勢
固定合成測試資料集
480
已評估配置數量
等選擇性有界搜尋
0.36%
測得的精確度成本
AUC 0.7823 to 0.7788
此處顯示的所有主要結果均來自包含9,000筆記錄的固定合成申請人資料池。Equora是一項工程演示，並非法學諮詢或生產決策系統。
核心問題
租戶篩選審計可能會向法務與模型風險團隊表明不同受保護群體之間的結果存在差異。隨後真正的難點開始出現：確定表面中立的替代方案能否在降低差異的同時保留有用的模型效能，並在日後可完整重現。
2024年11月的SafeRent和解案為篩選系統為何面臨嚴格審查提供了重要背景。這筆$2.275 million的和解案不包含任何不當行為的認定，且本演示並不重現該具體法律事件。
來源： DOJ Civil Rights Division case page 以及 2024年11月20日提交的Final Approval Order。
運作原理
測量、搜尋、推薦以及發布檢查全流程保持確定性。
測量
Equora將ScreenScore v3（偏向信用基準線）擬合在附帶的合成池上，並報告核准率、disparate-impact ratio（DIR）、統計均等差（SPD）以及equalized-odds差距。種族和住房補貼憑證狀況屬於審計欄位，而非模型特徵。
搜尋
最少歧視替代方案（Least Discriminatory Alternative, LDA）搜尋評估可選特徵子集、信用評分上限、保障性收入處理及正則化強度的480種組合。搜尋空間明確且有界。
選擇
引擎繪製精確度與最小DIR的帕累托前沿，然後在配置的0.03預算範圍內選擇測得AUC損失最小的合格候選方案。若無候選方案合格，則返回無安全替代方案。
門禁
精確線性模型歸因可識別出排名前三的負面貢獻特徵。特徵依據比對審查器會將這些驅動因素與通知中的理由進行對比，並將缺乏支撐或籠統的解釋轉交人工複核。
演示實證
這些畫面展示了在固定合成測試集上運行的實際本地演示。
客觀實態
Equora旨在使有界的改善決策可供審查，而不是將單一指標轉化為法律判決。
| 評估維度 | 單獨的公平性評分 | Equora工程實證 |
|---|---|---|
| 測量了什麼？ | 單一模型配置下的差異 | 固定測試集上的DIR、SPD、EO差距、核准率及信賴區間 |
| 可以改變什麼？ | 未明確 | 在同等選擇性下對比的表面中立配置預設網格 |
| 為何選擇此推薦？ | 無選擇記錄 | 有界搜尋合格候選方案中測得的AUC損失最小者 |
| 能否核查通知理由？ | 超出評分涵蓋範圍 | 將引用的特徵與排名前三的精確負面貢獻驅動因素進行比對 |
Equora並不確立法律合規性，不對模型是否公平作出認證，不窮盡搜尋所有可能的模型，亦不驗證真實生產環境下的住房成效。其0.80閾值為演示中配置的五分之四政策門禁。
申請人池為合成資料，規則集為靜態配置，未構建生產環境連接器。通知審查器僅驗證特徵依據，而UCI Adult運行屬於基於人口普查收入的公開公平性基準測試，並非租戶實際資料。
Equora在同等選擇性下評估480種明確且表面中立的配置。它會推薦在演示配置的五分之四政策門禁及精確度預算範圍內測得AUC損失最小的合格候選方案；若無方案合格，則返回無安全替代方案。
不能。Equora使用0.80作為演示配置的五分之四政策門禁，而非法律定論。五分之四經驗法則源自僱傭選拔指導方針，本身並不能單獨決定住房法律責任。
在固定合成測試集上，AUC從0.7823微調至0.7788。測得的損失為0.0036，在介面中顯示為0.36%的精確度成本，而最不利群體的DIR從0.694大幅提升至0.875。
不使用。確定性程式碼負責計算指標、套用閾值、評估替代方案並選出推薦項。語言模型即便啟用，也僅限於起草通知文字，離線模式則採用確定性範本。
不能。特徵依據審查器僅檢查所列理由是否與模型排名前三的負面特徵貢獻相匹配。它會將缺乏依據或籠統的理由轉交人工複核，但不會核實法定通知的每一項構成要件，亦不確立法律充分性。
不是。主要資料集是由9,000筆記錄組成的固定附帶合成租戶篩選池。單獨運行的UCI Adult Census Income是一項公開公平性基準，用於測試相同的審計程式碼，而非住房驗證資料集。
將模型效能、政策邊界與舉證責任整合進統一步驟的審查中。
如果您的團隊正在為住房AI定義審計、改善及發布控制措施，請與我們聯繫，共同探討審查應保留哪些證據。
