本文基于 Isotonic 机制,将指定排序扩展到指数族分布,以增强机器学习和人工智能会议的同行评审,并通过证明利益相关者因为需要提供调整过的审查分数的加权排名而被激励提供准确的排序,证明了基于排序的任实信息挖掘的最优性, 并表明调整分数显著提高了原始分数的准确性,并在真实得分有界变化范围的情况下实现了近似最小化优化。
Apr, 2023
本文研究了会议中同行评审机制的问题,提出了一种基于社会选择理论的策略性确保且高效的同行评审算法,并在 ICLR 大会提交数据上进行了实证研究。
Jun, 2018
研究了会议同行评审中的三个挑战:评审人恶意加入给出正面评价的论文、评审人故意给不喜欢的论文打低分和评审人匿名解除。提出了一种对三个问题进行通用性整合的方法,并针对给定限制下的评审人分配问题提出了随机算法,成功限制了恶意评审人分配。
Jun, 2020
这篇论文研究了在线社交推荐系统中的顺序投票机制与优化集成的现有理论和实证文献不一致的问题,提出在内容质量可以明确定义和客观测量的领域,比如教育领域,可以更好地评估社交推荐系统的设计选择,并通过大规模开放在线课程进行了行为实验,发现顺序投票系统可以比独立投票系统发现更好的内容。
Mar, 2016
研究了顺序同行预测问题,提出了顺序张贴价格机制,通过动态学习最优奖励水平来激励工人付出努力和真实报告信息,并探讨了参数调优与博弈理论平衡之间的权衡。
Nov, 2016
该研究考虑了会议同行评审中的论文自动分配问题,着重关注公平性和统计准确性。研究设计了一种基于最大流程序的分配算法,旨在最大化最不利论文的审查质量,并提出了一种新的主观评分模型,设计了一种新颖的实验方法来评估算法的质量。
本论文考虑如何设计一种激励机制,以在固有的逆向选择环境下,利用纯粹的协作或对抗以及报告代价获得真实从众意见汇报。
Jan, 2014
本文提出了一个框架来优化论文 - 审稿人分配,使用适宜性评分来测量论文和审稿人之间的成对亲和力,可以从提供的少量评分中推断出适宜性评分,将任务定义为整数规划问题,并提出了几种适用于论文和审稿人匹配问题的方案,探讨了学习和匹配相互作用的因素,对两个会议数据集进行了实验,测试了几种学习方法的性能以及匹配方法的有效性。
Feb, 2012
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
从论文投标中检测串通可以取得显著成功并保持隐藏,需要开发更复杂的检测算法利用额外的元数据。
Feb, 2024