May, 2023

对同行评审期刊系统中审稿人奖励的博弈论分析:利用深度强化学习的实验评估分析

HTML
PDF
TL;DR本论文使用数学和博弈论的战略准确性导航开放式学术出版的审稿者奖励领域，提出一种替代奖励系统，以缓解偏见和促进更全面的评论，在深度强化学习模拟中展示了我们的系统比现有的更平衡和稳定。
发现论文，激发创造
  • 损失函数、公理和同行评审

    介绍了一种基于经验风险最小化（ERM）的框架来学习社区对标准评审标准进行的映射的方法，重点考虑了为ERM指定损失函数的挑战并使用计算社会选择来确定理想值，最后将该方法应用于IJCAI 2017的审稿。

    Aug, 2018

  • 离线强化学习在实时竞价和推荐中的加速应用：模拟的潜在应用

    利用模拟来加速离线强化学习与行动评估的实证研究：探讨离线强化学习与行动评估的实证研究如何受益于模拟，并提供了在RecSys和RTB中进一步促进实证研究的开放挑战和解决方案。

    Sep, 2021

  • 打击合谋圈很难但可行

    本文旨在解决学术同行评审中的合谋环问题，引入Cycle-Free Reviewing概念，分析其难点，提出并验证线性规划方案的短评检测存在问题，最后提出了一种高效的计算赋权的无环评审分配的启发式方法，该方法在实践中具有良好的质量。

    Dec, 2021

  • 解析奖励塑造：理解奖励工程对样本复杂性的益处

    本文阐述了在强化学习中选择适当的奖励设计方法对提高学习效率的重要性，并提出了一种将奖励设计融入强化学习框架的方案，并通过基于奖励设计所得到的样本效率的提高，证明了该方案在实践中的有效性。

    Oct, 2022

  • 无损失无一致：在同行评审中的学习与社会选择

    研究对同行评审系统的评估方法进行了分析，通过实证风险最小化的方法，提出基于L(p,q)损失函数的聚合映射机制，解决了评估者对不同评估标准的不同权重问题，并探究了该方法中策略防御的问题以及提出了一种连续算法模型。

    Nov, 2022

  • 基于人口统计学的重复石头剪刀布作为多智能体强化学习基准

    提出了一个基于Rock, Paper, Scissors游戏重复比赛及43个竞赛选手的基准测试，用于多智能体学习的基准测试，通过度量平均收益和可利用性来评估智能体的质量，并展示了多种机器学习方法的学习能力和推广能力，但最终输给了表现最好的机器人，为多智能体学习研究提供了机会。

    Mar, 2023

  • 对抗性批量逆强化学习：从不完美的演示中学习奖励，用于交互式推荐

    在本研究中，我们提出了一种新颖的批量逆向强化学习模型，通过使用折扣的稳态分布修正结合学习奖励 (LTR) 和推荐代理评估，同时满足组合要求，并通过贝尔曼转化和KL正则化来改进效果和效率。

    Oct, 2023

  • 运用社会选择理论评估代理人

    通过将任务视为单独的投票者，使用序数排名或成对比较来产生整体评估，我们认为许多一般的评估问题都可以通过投票理论来解决。通过将聚合器视为社会福利函数，我们能够利用社会选择理论的数百年研究成果，得出具有公理基础的原则性评估框架。我们应用这种“作为评估的投票”（VasE）框架在多个设置中，包括强化学习、大规模语言模型和人类。实践中，我们观察到VasE比流行的评估框架（Elo和Nash平均）更稳健，在评估数据中发现仅通过分数无法明确的属性，以及在复杂的七人游戏中比Elo更好地预测结果。我们确定了一个特定的方法——最大彩票，它满足与评估相关的重要一致性属性，计算效率高（与评估数据的规模多项式相关），并且识别出博弈理论循环。

    Dec, 2023

  • 合理的顺序决策的奖励设计

    我们提出了一种基于辩论的奖励模型，用于训练可证伪的策略，该策略的决策可以更容易地与支持证据相印证。我们通过多智能体的辩论训练显示，代理人学会提出抗驳且与人类偏好密切一致的证据。

    Feb, 2024

  • 人工智能驱动的评审系统：在可扩展和关注偏见的学术评审中评估大型语言模型

    本研究解决了传统学术评审中的偏见和效率问题，通过引入大型语言模型（LLM）来进行自动评审，提高评审的质量和一致性。研究中采用了人类偏好的对比评估方法，并对LLM进行了微调，以预测人类对评审的偏好，从而实现更高效的样本分析和质量控制。最终，开发了一个概念验证的评审系统，能够快速提供一致、高质量的自动评审，并增强了评审过程的整体质量。

    Aug, 2024