Resumen: estimaciones de relevancia aprendida. Usamos esta medida de fuga para definir una noción rigurosa de desenredo y la incluimos como regularizador durante el entrenamiento del modelo para reducir el sesgo. Además, incorporamos un estimador de inferencia causal, es decir, un estimador doblemente robusto, para garantizar una estimación del riesgo más confiable. Los experimentos con puntos de referencia estándar de aprendizaje para clasificar muestran que nuestro método reduce consistentemente la fuga de sesgos medidos y mejora el rendimiento de la clasificación, especialmente en escenarios realistas donde múltiples sesgos, como el sesgo de posición y de confianza, interactúan fuertemente.
Publicado originalmente en export.arxiv.org el 11 de enero de 2026.
Ver fuente original
