Jun, 2023

货币奖励对使用协同进化学习的用户个体策略的影响

PDF
TL;DR本研究旨在探讨在用户立场的差异下，Monetary Rewards 对文章发布策略的影响。我们使用多重世界遗传算法，通过 CGM 游戏理论模型的实验，证明了用户在 CGM 网络中会出现多种具有现实意义的主导策略。
consumer generated mediamonetary rewardssocial networking servicesgame-theoretic modelmultiple-world genetic algorithm
发现论文，激发创造
  • 消费者生成媒体中的用户基于位置的策略与货币奖励

    利用消费者生成的媒体平台进行实验，发现使用不同形式的货币奖励方案对用户在平台上发布内容的数量和质量产生不同的影响。

    Oct, 2023

  • 社交奖励：通过千万用户的在线创意社区反馈评估和增强生成型人工智能

    社交奖励作为一种社区认可形式，是在线平台用户参与和贡献内容的强大动力。最近文本驱动的图像合成的进展开启了人工智能赋予用户创作原创视觉艺术，并寻求社区认可的协作时代。本研究在集体社区偏好的背景下评估这些模型带来了独特的挑战。现有的评估方法主要集中在用户研究上，以图像质量和提示对齐为导向。本研究首创了一种新的奖励建模框架 —— 社交奖励，利用社交网络用户对生成图像进行创作编辑的隐式反馈。通过从在线视觉创作和编辑平台 Picsart 搜集数据集，我们发现了当前度量社区创作偏好的指标的不足之处，并引入了一种专门解决这些限制的预测模型。严格的定量实验和用户研究表明，我们的社交奖励模型比现有的度量指标更符合社交受欢迎程度。此外，我们利用社交奖励来微调文本驱动的图像生成模型，得到不仅社交奖励喜欢，而且其他已有度量指标也更看好的图像。这些发现突显了社交奖励在评估人工智能生成的艺术品中社区认可的相关性和效果，与用户的创作目标 —— 创作热门视觉艺术更为接近。

    Feb, 2024

  • 游戏有帮助！从自然动态的战略交互中学习

    研究在在线回归模型中，个体会通过改变自己的特征来改进模型所预测的得分，并探讨在这一过程中，如何精准地找出对结果有意义的特征，并通过激励机制鼓励学习模型学习这些特征。

    Feb, 2020

  • 算法筛选平台上创作者激励建模

    该研究探讨了内容创作者为获取用户关注所采取的策略，以及在线平台开发者所做出的算法选择对其影响，并提出了一种名为曝光博弈的模型来形式化这种动态。该模型证明了算法选择对曝光博弈的 Nash 均衡的存在和性质产生了重大影响，并提出了一种针对曝光游戏的 (前置) 审核工具来识别理想内容和以激励为导向的排名之间的不一致情况。

    Jun, 2022

  • 推荐系统的消费者价值与商业价值平衡：基于模拟分析

    本文提出了一种基于代理模型的模拟框架，旨在帮助提供商探索不同推荐策略的纵向动态，以设计维持业务成功的平衡推荐策略，研究表明，在更多考虑客户效用的情况下，不忽视盈利能力的混合策略能够在长期中实现最高累计利润，同时社交媒体可以增强观察到的现象。

    Mar, 2022

  • Reddit 减肥社区中社交反馈的影响

    通过 Mahalanobis Distance Matching 对 Reddit 上 “Loseit” 减肥社区的数据分析，证明初始帖子获得积极反馈对于促进用户参与有着重要的作用，并揭示了哪些帖子更容易受到积极反馈。研究旨在理解在线健康社区的社交动态，以便设计更为有效的干预措施。

    Feb, 2016

  • 社区反馈如何影响用户行为

    通过对四个大型基于评论的新闻社区进行研究，本文发现负面反馈会导致明显的行为变化，这种变化不仅促使受到负面评价的作者增加贡献，还会使他们未来的贴文质量降低。而正面反馈则没有相似的影响，不会鼓励受奖励的作者写更多，也不会提高他们文章的质量。此外，没有获得反馈的作者最有可能离开社区。

    May, 2014

  • 为了取得更好成绩而付费：学习智能体之间的游戏支付

    在重复博弈中，我们研究了采用货币调节等教授动态学习策略的玩家对于行为激励的影响，包括其对学习动态、福利和分配的影响，并提出了一个简单的博弈论模型以解释这些情况。我们的研究表明，在一类广泛的博弈中，通过让学习代理在游戏动态过程中向其他玩家支付，玩家的福利得到提高，而在拍卖过程中，通过制定 “支付政策博弈” 的均衡，代理动态可以达到低收益的合谋结果，这为与机制设计相关的自动学习代理的系统提出了挑战。

    May, 2024

  • 多学习者环境中的战略使用

    现实世界的系统中，用户在一组服务中进行选择，通过在线学习算法，这些服务可以自我优化并最大化一些回报，而用户可以策略性地选择服务以追求他们自己的回报函数，我们分析了一个策略性用户在多个可用的服务中进行选择的情境，并研究了损失函数在这种情境下的收敛行为。

    Jan, 2024

  • 战略操纵的差异影响

    本文研究算法决策，分析了在社会不平等的情况下，一方面面临更高的成本的候选群体可能会被错误地排除，而另一方面面临更低成本的候选群体可能会被错误地接受。本文还探讨了给予补贴的干预效果，发现某些情况下给予补贴只会提高算法决策者的效用，但实际上会损害所有候选群体的利益，包括补贴接收者。

    Aug, 2018