ICMLJul, 2020

如果我不喜欢任何一种选择？参与式算法设计中偏好征集的局限性

PDF
TL;DR参与式算法设计越来越普遍，通过收集并汇总利益相关者的个人偏好，可以创建算法系统，考虑到这些利益相关者的价值观。使用算法学生分配作为案例研究，我们认为，在限制资源的分配中优化个人偏好满足可能会抑制社会和分配的公正进展。个人偏好可以是有用的信号，但应该扩展以支持更具表现力和包容性的民主参与形式。
participatory algorithm designstakeholder preferencesalgorithmic student assignmentsocial justicedemocratic participation
发现论文，激发创造
  • 肾脏交换中基于异质偏好的对齐

    本文提出、实现并评估了一种对肾脏交换领域的病人进行优先排序的方法，该方法基于人类对特定困境的反应，动态地确定了病人的优先权重，并得到了实验验证的效果。

    Jun, 2020

  • 混合参与式系统中的价值偏好估计和消歧

    通过与参与者互动并利用参与者的动机值来估计其价值偏好，解决参与者选择和动机之间的不一致性，并通过直接与参与者互动的消歧策略改善个体价值偏好的估计。

    Feb, 2024

  • 基于群体决策离散选择模型的选择集优化

    本文基于离散选择建模，针对整体权衡、最大化一致性或不一致性以及促进特定选择等问题，提出了一种优化框架，着重研究了直接更改选择集合对决策者群体偏好的影响，通过限制条件的引入，揭示了不同问题之间的基本边界，为难以解决的问题设计了近似算法，并展示了这些算法在现实世界的应用。

    Feb, 2020

  • 朝着利益相关者对齐的机器学习的稳定偏好

    为了应对肾脏分配面临的紧迫挑战，本研究旨在开发一个数据驱动的解决方案，并融入利益相关者的价值观。通过使用 “两两对比肾脏患者在线调查” 数据，经过个人、团体和稳定性三个层面的评估，我们运用机器学习分类器来学习个人和团体层面对肾脏分配的偏好。通过将利益相关者的偏好融入肾脏分配过程，我们致力于推进器官移植的伦理维度，促进道德价值观融入算法决策，以实现更加透明和公平的实践。

    Jan, 2024

  • 正式化运行时分布的偏好

    该论文旨在通过形式化运行时分布的喜好来解决在算法选择中的竞争。我们提出了一种基于效用理论的方法，描述了算法偏好的评分函数，这些函数依赖于解决问题的价值如何随时间降低以及满足的时间分布。我们展示了实用程序函数的例子，并展示了如何利用最大熵方法来建模未规定的时间分布，最后，我们展示了如何从运行时样本中高效估计算法的预期效用。

    May, 2022

  • 社会机制设计：低层次介绍

    研究如何通过合理的规则设计和算法推动决策中有参与者、有偏好的情况下的决策，并在两个领域中分析了相应的算法，在一些情况下能实现所有参与者的普遍接受。

    Nov, 2022

  • 偏好分解环境中代表性排序模型的选择：现有方法综述、新提议和实验比较

    研究了多种选型模型并提出了三种新的程序来实现强的调整规则，利用随机适应性和最大化所有可行排序模型对结果的支持，对具有不同复杂性的问题实例进行了性能验证以评估欧洲城市绿色绩效。

    Aug, 2022

  • 任何人都不行：排除替代方案的复杂性

    本文研究了多方利益汇聚的漏洞和系统对特定干扰的保护能力，结论是没有一种方法可以完全保护，最终还是要根据控制形式来选择最佳的利益汇聚策略方法。同时，我们也发现在处理数据时某些 tie-handling rules 处理方式的不同会使得漏洞性差异很大。

    Jul, 2005

  • 算法决策中个体理性投资的不一致平衡

    研究算法决策对长期影响的动态学习设置，通过对决策规则和个人投资之间的互动进行建模，表明通过分组复制规则和投资成本补贴两种干预措施可实现更好的长期结果，但前提是要考虑到组内异质性以及可实现性的影响。

    Oct, 2019

  • 道德机器还是多数暴政？

    本文通过分析群体中少数派意见的胜出比例等因素，探讨了基于个人偏好的聚合机制的公平性问题，并提出了随机专政和中位数等聚合机制作为替代方案。

    May, 2023