算法决策中预测的相对价值

Dec, 2023

The Relative Value of Prediction in Algorithmic Decision Making

Juan Carlos Perdomo

TL;DR在公共领域中，算法预测用于配置商品和干预措施，预测作为一种手段为相关利益相关者提供关于未来事件可能性的见解，以提高决策质量和增加社会福利，本研究的目标是正式研究预测在算法决策中的相对价值，并在几个量化社会科学研究者之间流行的统计模型中确定预测相对于扩大获取权的价值，并展示如何将这些理论见解用于指导实践中的算法决策系统设计。

Abstract

algorithmic predictions are increasingly used to inform the allocations of goods and interventions in the public sphere. In these domains, predictions serve as a means to an end. They provide stakeholders with in

algorithmic predictions public sphere decision making social welfare algorithmic decision making systems

发现论文，激发创造

当不平等较低时，分配只需要预测

利用一个简单的数学模型，我们评估了基于预测的分配在具有更大单位（如医院、社区或学校）的设置中的有效性，发现当单位间的不平等性较低且干预预算较高时，基于预测的分配优于仅使用聚合单位级统计的基准方法。我们的结果适用于各种设置，包括预测成本、治疗效果的异质性和单位级统计的可学习性，共同突显了通过预测改进干预效果的潜在局限性。

Jun, 2024

带有预测的算法学习

介绍了一种算法设计范例 —— 基于学习预测器的算法，将在线学习技术应用于预测器学习、调整鲁棒性 - 一致性折中并绑定样本复杂度，在构建优美的预测器的同时，在二分图匹配、滑雪租赁、页面迁移和作业调度等多场景中优化了多个现有结果，且提供了第一批基于学习理论的担保。

Feb, 2022

关于结果预测可行性的探讨

通过行动、潜在状态和测量这些方面的简单模型，我们证明仅仅依靠结果预测很少能够产生采取行动的最佳策略，即使与其他测量相结合。在具体个案中，即使因果机制将个体的潜在状态与结果联系在一起，从潜在状态的预算测量结果推断出适用于个体的多种可能干预行动中的最佳行动仍然是从预测结果获取所需效果的最有效策略。通过针对可行行动和潜在状态的了解，与结果预测相比，可显著提高行动效用，改善程度取决于行动成本和结果模型。这一分析强调在干预环境中超越通用的结果预测，融入对可行行动和潜在状态的知识的必要性。

Sep, 2023

具有不确定性量化预测的在线算法

如何在设计在线算法中最佳利用不确定性量化预测，以及如何利用更一般形式的不确定性量化，提出了基于在线学习的框架来在多实例场景中学习如何充分利用不确定性量化作出最佳决策。

Oct, 2023

算法辅助决策中的说服、委派和私人信息

主要研究二进制状态的公共预测算法设计和决策委托规则优化，在代理与委托者之间存在信息不对称的情况下，发现委托决策只有在委托者观察到代理者的信息时会做出相同二进制决策时才是最优，提高算法预测的信息量并不一定是最优策略，相关算法限制和人机合作的共同偏好不一致会严重影响决策质量。

Feb, 2024

两个世界中的最佳选择：在未知到达模型下的在线资源分配与预测

给定未知质量的预测作为输入，我们提出了一种算法，在未知预测质量和请求模型的情况下，在在线资源分配问题中实现了渐进最优表现，验证了算法的性能与任何已知到达模型和预测准确性的算法的最佳性能相匹配。

Feb, 2024

关于预测模型与决策者：为什么公平需要超越公平预测模型

在预测为基础的决策中，建立一个概念性框架以识别责任和实施公平性治理机制，从而将注意力从抽象的算法公平性转向依情况而定的决策制定，认识到具有独特目标和独立行动的不同参与者。

Oct, 2023

使用算法引导人类决策制定者：决策的辅助器还是控制器？

本文探讨了一种学习人类决策者并提供 “个性化推荐” 以控制最终决策的决策辅助算法，分析了如何达到最终决策的完美控制条件，并讨论了算法的潜在应用及其社会影响。

Mar, 2023

对既无法验证又无法证伪之事的押注

使用预测市场和选择赌注的方式，提出了一种对具有不确定性的问题进行估算与预测的方法，可以涵盖现实世界事件的概率、逻辑不确定性以及哲学和数理逻辑方面的更广泛的影响。

Jan, 2024

算法自动化问题：预测、分流和人力投入

本文描述了机器人决策背后的决策过程，提出了一个基于优化问题的框架来优化自动化任务，在基于这个框架的基础上提高算法的制定和实践，实现自动化的快速和迅速发展。

Mar, 2019