IJCAIMay, 2021

在线选择多样性委员会

PDF
TL;DR通过在线委员会构建，研究三种方法生成具有比例代表性特征的公民组委会，分别为贪婪算法、不自适应法和基于强化学习的方法，以解决委员会规模和代表性之间的权衡问题。
citizens' assembliesproportional representationonline committee constructiongreedy algorithmreinforcement learning
发现论文，激发创造
  • 在线批准委员会选举

    该研究考虑在候选人随时出现的情况下，通过投票选择或拒绝候选人，使用最大期望分数方法来计算委员会并评估其在代表选民方面的比例。

    Feb, 2022

  • 带软多样性约束的委员会选举规则

    提出了一个基于软界限的多样化委员会选择的实用多项式时间算法。

    Mar, 2018

  • 构建公平训练数据集的自适应采样策略

    本文提出一个数学模型以创造具有代表性的数据来解决机器学习模型在非代表性数据集上产生的问题。我们将数据集创建问题形式化为一个约束优化问题，并提出了一种灵活的方法，它包含模型构建者和其他利益相关者的偏好，以及学习任务的统计特性。此外，我们证明，在一定条件下，即使没有关于学习率的先前知识，该优化问题也可以高效地求解。通过在合成基因组数据上进行的模拟研究，我们发现我们提出的自适应采样策略优于多种常用的数据收集启发式算法，包括等量和比例采样，并证明了通过策略数据集设计构建公平模型的价值。

    Jan, 2022

  • 基于委员会的概率分类器样本选择

    本文研究了如何通过样本选择来降低训练中的注释成本，介绍了一种基于概率分类模型的委员会选样本的经验方法，这些变体是从与迄今为止标记的训练集条件化的概率分布中随机抽取的。其在自然语言处理领域，如随机词性标注任务上得到了显著的注释成本降低和模型尺寸缩小的效果。

    Jun, 2011

  • 使用单调可分的位置多赢家投票规则寻找多元代表委员会的复杂性分析

    通过使用位置多赢投票规则，仅在 P≠NP 的假设下，研究了如何找到兼具多样性和代表性的委员会的复杂度问题。

    Nov, 2022

  • 具备多样性约束的多赢家选举

    本文提出了一种多赢家选举模型，结合了委员会质量的表现 - based 测量方法 (例如，委员会成员的 Borda 分数) 和多样性约束。我们主要关注于分析算法的复杂度和募集委员会的策略。

    Nov, 2017

  • 委员会选举中的群体公平性

    本研究探讨了在委员会选举过程中的公平性问题，通过稳定性定义了稳定的分配与抽签，证明了在选民优先项模型中，即使是不同的选民有着不同的偏好结构，也可以通过同样的计算程序得到近似稳定的抽签；该研究使用概率论的方法并且具有独立意义的新的大偏差不等式。

    May, 2019

  • 随机硅采样：基于群体级人口统计信息的大型语言模型模拟人类亚种群观点

    通过使用基于人口分布的人口组别信息，我们研究了语言模型在生成与人群相符合的调查回复方面的可行性，并揭示了语言模型中的社会偏见对这类模拟的影响。

    Feb, 2024

  • 使用随机化、分区和分摊的无欺诈对等选择策略

    针对同行评议在科学、社会和商业领域的广泛应用，本研究提出了一种策略诚实、有效的同行选择机制，并通过模拟比较和随机取整技术解决了资源分配等相关问题。

    Apr, 2016

  • 机器学习模型中的渐近公平参与：一种最优控制视角

    通过优化控制方案实现渐进公平参与，以解决训练数据集中代表性不足的人口统计数据对机器学习模型性能的影响，并对分布变动的动态演化进行近似建模以设计一个通用的仿真环境来评估提出的方法。

    Nov, 2023