2026年机器学习中的偏见与算法公正性测试题.docxVIP

第PAGE页共NUMPAGES页

2026年机器学习中的偏见与算法公正性测试题

一、单选题（共10题，每题2分，总计20分）

背景：某招聘平台使用机器学习模型筛选简历，但数据显示模型对男性候选人的推荐率显著高于女性候选人。

1.该现象最可能反映哪种算法偏见？

A.数据偏差

B.模型偏差

C.评估偏差

D.算法设计偏差

2.若要缓解该偏见，以下哪种方法最有效？

A.增加训练数据量

B.调整模型复杂度

C.引入多样性数据（如性别平衡）

D.忽略偏见问题以提升效率

3.算法公正性测试中，“公平性指标”通常用于衡量什么？

A.模型预测精度

B.算法运行速度

C.不同群体间的表现差异

D.数据清洗程度

4.以下哪个地区在法律层面强制要求算法公正性测试？

A.美国

B.欧盟

C.中国

D.日本

5.偏见检测中的“群体定义”通常基于什么维度？

A.年龄和收入

B.地域和性别

C.学历和职业

D.以上都是

6.若某模型对某一族裔的预测错误率显著高于其他族裔，该问题属于：

A.隐性偏见

B.显性偏见

C.数据偏差

D.模型过拟合

7.算法公正性测试中，“误差平衡”（ErrorBalance）指标如何计算？

A.统计整体误差

B.比较不同群体的误差差异

C.计算模型偏差

D.评估数据质量

8.以下哪项不属于算法偏