本文考虑众包任务分配中的可靠性问题，提出了一种基于置信传播和低秩矩阵逼近的算法来决定如何分配任务，并从工人的答案中推断出正确答案。比较了不同算法的表现，发现基于者非自适应的算法是最优的。此外，还强调了建立可靠的工人信誉系统对于完全运用自适应设计的潜力至关重要。

Oct, 2011

本文研究如何在预算限制下，选择优质工人子集以达到最大准确性，并通过组合优化算法解决此问题，证明该算法能够有效地选择少数高质量工人，并在模拟和实际数据集上表现良好。

Feb, 2015

本文介绍了一种参与者对众包项目提供劳动的经济模型，并提出了一种估计工人保留工资的新方法，然后将此模型用于 Amazon’s Mechanical Turk（AMT）的一组工人的研究中，该组工人的保留工资近似为对数正态分布，中位工资为每小时 1.38 美元，并在实验测试中解释了众包工人如何对激励做出有理反应。

Jan, 2010

研究如何在固定预算内通过在线算法在众包市场中进行任务分配，探讨了实现任务分配的几种算法及评估方案，并通过实验验证了算法的实用性。

Aug, 2015

本研究利用大规模的纵向数据集，研究了众包工作者在从事长时间的重复任务时的行为，发现他们的工作质量极其稳定，建立了一种预测工作者长期质量的方法。

Sep, 2016

移动众包是指任务的完成必须要求众包人员在按需工作力量中进行物理移动的系统。本文提出了在移动众包中实现任务转移、结果预测和任务协调的不同机制，包括数据流学习方法用于任务结果预测，以及具有不同自治程度的两种不同方法实现任务协调，分别为具有协作但非自治的众包运输机制和具有自治众包人员的市场模式。

Jan, 2024

本文研究了众包系统的性能极限，并提出了有效的分配方案来满足附加要求，包括专业化工作、效率、任务分配和性能限制。在一个由非营利公司运行的众包平台的数据上进行了算法演示，并展示了与当前实践相比的显著改进。

Jan, 2016

本文提出了一种快速评判用于二元和分类标签的技术，避免所有错误，快速评判的同时通过随机任务顺序和建模响应延迟来纠正错误，通过广泛的标记任务验证，相较于之前工作实现的 0.25x 到 1x 的加速，我们的方法通常实现 10 倍的加速效果。

Feb, 2016

本文针对众包在线决策的理论研究和建模问题进行了反思和讨论，并提出了相关算法来优化众包市场的各个方面，涉及众包、人工计算、算法、定价等关键词。

Aug, 2013

本文介绍了一种用于生成工人错误率估计的置信区间的技术，以更好地评估工人质量。实验结果表明该技术在真实数据集中能生成正确的置信区间，并可用于清退表现不佳的工人，并为答案的准确性提供置信区间。

Nov, 2014