本研究探讨了无信号交叉口自动驾驶车辆（AV）与人类驾驶员（HV）之间的行为差异。通过分析Waymo和Lyft的数据，发现AV在安全边际和交互一致性方面表现出保守行为，这可能影响人类驾驶员的反应并带来安全隐患。此外，Waymo与Lyft之间存在显著的行为差异，强调了在交通管理中考虑制造商特定行为的重要性。

公平机器学习算法旨在消除不同群体间的行为差异，但研究发现，在训练数据存在偏差的情况下，同等重视不同规模和分布的群体可能与鲁棒性相冲突。本文评估了多种算法和基准数据集的攻击，分析了公平机器学习的鲁棒性。

本研究建立了一个包含2022年全年参与阴谋活动的推特用户数据集，并发现阴谋用户在个人资料特征上与对照组相似，但在行为和活动上存在明显差异。研究还开发了一个分类器，使用93个特征来识别阴谋用户，结果显示该分类器具有高准确性。