通用投票规则作为最大似然估计器
研究了通过批准投票模型检测潜在事实的方法，包括概率模型，权重批准规则和 Condorcet 噪声模型等，实验证明 Condorcet 噪声模型是最有效的。
Dec, 2021
通过考虑相关性，本文提出了不同的聚合规则，并将它们与朴素规则进行了比较。通过基于合成数据的各种实验证明，当关于误差之间的相关性已知足够信息时，最大似然聚合应该优先考虑。否则，通常情况下，建议使用一种称为嵌入式投票（EV）的方法。
Sep, 2023
本文研究了基于不同噪声模型的 epistemic voting 方法在多标签注释聚合方面的应用，探讨在已知胜者数量范围的情况下，如何确定最佳胜者组合，并给出了相关实验结果。
Jan, 2022
本文使用近似算法的方法定量分析多胜选者投票规则，估计它们与通过审批的 Chamberlin-Courant 规则和多胜选者批准投票中定义的两个极端目标的逼近程度，并通过理论和实验方法将多赢家规则分类到这两个对立目标的数量对齐方面，研究结果提供了关于多赢家规则的基本信息，尤其是在选择这样的规则时必要的权衡。
Jan, 2018
提出了一种名为 Plurality Veto 的简单的投票规则，它只需进行两次查询，就可以实现 “失真度” 的最优解，并进一步将其推广为更广泛的随机化投票规则。
Jun, 2022
讨论了三个优秀的投票规则，其中条件功利规则是一个策略性稳健且容易计算的规则，其最坏和平均效率在代理人数量较小时都是低的，而效率最高的 Nash Max Product 规则虽然可以实现任何联盟的最强福利保障，但不符合排斥策略性稳健性，而有效的平等主义规则保护个体代理人但不保护联盟。
Dec, 2017
本文研究了计算社会选择中投票规则的畸变，通过研究选民效用分布上的期望畸变，设计和分析了一种新颖且直观的规则 —— 二项式投票，为所有分布提供了强大的期望畸变保证。
Jun, 2023