该研究探讨基于机会平等的公平分配问题,并介绍了一种有效的学习算法来克服不完整反馈数据,进而应用于预测犯罪问题。
Aug, 2018
研究决策规则中的非透明度对个体战略学习能力的影响,通过推理学习规则(如申请贷款的朋友和熟人等)来实现对规则的了解,并证明了在许多自然情况下可以同时保证各个子群体的最优改进。
Mar, 2021
本研究探讨如何在社交网络中传播信息并最小化访问差距,提出了最小最大社会福利函数作为目标函数,并研究了使用贪心策略进行最小最大优化的困难和实用性,并给出了贪心策略经验证据表明在实践中运作良好。
Mar, 2019
研究了将稀缺的社会资源分配给异质性申请人的问题,根据观察到的协变量设计了一种在线政策,以满足预算限制并最大化预期结果,并通过数据驱动的政策几乎确定渐近实现了最佳样本外政策的预期结果,并扩展了包括各种公平约束的框架。
Nov, 2023
通过在淘汰选手的过程中加入机会均等性限制,本文提出了一种方法来最大化决策者感兴趣的数量,并可以在终止阶段使用精确度和召回率的线性组合来平衡招聘的有效性和效率,同时考虑其他限制,如不允许决策者使用组内成员身份做出决策。
Mar, 2022
本文研究了将不可拆分物品分配给具有加法偏好的代理人的基本问题。我们考虑 eliciting 每个代理人仅排名她最喜欢的 $k$ 个物品,而不是她的完整基数估值。我们表征了实现嫉妒 - 自由度高达一个良好且近似最大值共享保证的 $k$ 值。我们还分析了由于缺乏完整信息而产生的社会福利的乘法损失,无论是否满足公平要求。
May, 2021
本文探讨了在不观察个体保护属性的情况下,使用不同质量的数据源估算这些属性以降低公平惩罚的在线分配问题,并提出了一种在多臂赌博问题的框架下同时解决两个问题的算法,该算法可以适应多种不同的公平概念,并且在一些情况下可以学习使用的估计值。
Jun, 2023
研究如何设计评估机制以最大化群体中的总体质量得分,并在模型的特定设置下研究了找到最大化社会福利评估机制的算法方面,其中评分是线性的且机制使用可观察特征的线性评分规则时,最优评估机制是质量得分的适当投影;当机制必须使用线性阈值时,我们设计了一个多项式时间算法,并在概率分布足够光滑且具有寻找密集区域的 Oracle 的情况下实现了(1/4)- 近似保证
Nov, 2020
本文研究了数据隐私保护和公平决策之间的权衡,提出了随机差分隐私机制以及基于随机差分隐私算法的公平度量,并通过对美国人口普查数据在联邦资金分配、选举权利福利分配和代表分配三个实例中的应用,揭示了局部隐私保护构成的一系列利益分配不公的情况。
May, 2019
本文研究了在私有约束下如何进行资源分配问题,可以从最大权重匹配、联合差分隐私和总代用品假设等方面来考虑。通过研究分析发现,这种问题在不同隐私条件下的解决方案存在明显差异,提出了适用于差分联合隐私的解决方案来保障社会福利最大化。
Nov, 2013