- 大型语言模型能否取代经济选择预测实验室?
使用语言模型生成的数据能够有效地预测基于语言的说服游戏中的人类行为,并且在某些情况下超过基于实际人类数据训练的模型。
- 视觉注意引导的预测与学习
Visual Attention-Prompted Prediction and Learning 是一种新的框架,可以将视觉关注提示无缝地融入模型的决策过程,并适应具有和没有关注提示的图像进行预测。为了解决视觉关注提示的不完整信息问题,我 - 具有通信的顺序主 - 代理问题:高效计算与学习
本文研究了一个在信息不完备的情况下,委托人和代理人之间的顺序决策问题。
- 带有完全不完整信息的语义不变多视角聚类
提出一种不需要成对样本的多视角聚类框架 SMILE,通过发现在不同视角的显著语义分布密度不变性来解决有关缺失信息的问题,从而实现了对不完整对应和不完整实例的聚类,并取得了显著的表现.
- 社会多样性降低培养公平性的复杂程度和成本
该研究基于不完全信息和灵活公平标准,通过异构图探索社会多样性对终局博弈的影响,并发现了降低公平要求下利用某些个体影响力的机制来进一步降低支出的结果,为引导社会多元体系中的机构政策提供新的见解。
- 布尔观察游戏
本文提出了布尔观察博弈,研究了其多人有限策略博弈、不完全信息和定性目标等方面,探讨了关于纳什均衡存在性的条件以及验证策略配置是否为纳什均衡的复杂性,并详细研究了只关注知识满足度的布尔观察博弈,并通过两组不同的对应关系精确说明了与布尔博弈的对 - 不完全信息下的多智能体评估
本文探讨在不完全信息条件下对学习到的多智能体策略进行评估的方法,提出了基于图的博弈论解决方案概念的 alpha-Rank 评分方法,并提出了适应性算法,利用 Bernoulli 游戏、足球元游戏和 Kuhn 扑克等多个领域评估了这些方法的性 - 关于使得寻找获胜者困难的确实遗漏信息量
论文考虑了具有不完整信息的选举情景,研究了在该情境下如何确定一名可能赢家,发现了有些评选规则下,即使每个选民只有至多一个未决定的选择,也存在最小未决对数使得可能赢家问题为 NP 难题。
- IJCAI带有部分信息的投票操纵复杂性
本文探究了在不完整信息情况下的联合操纵问题及其计算性质,并提出了三种自然的操纵计算概念。我们提出的操纵问题在很多情况下都是计算上难以处理的,即使在很少信息缺失的情况下也是如此,这也使得本文的研究有着重要的实际应用意义。
- KDD在线影响力最大化(扩展版)
本文介绍了在社交网络营销环境下,针对影响最大化问题提出了一种在线学习的解决方案,通过多次试验选择种子节点,采用探索 - 利用策略进行影响活动,使用用户反馈信息更新影响概率,相对于传统影响最大化方法在信息不完整情况下效果更佳。
- 一价位拍卖的表现力和强健性
该研究尝试在位置拍卖设置中寻找经济机制,特别是那些在完整和不完整信息下都能保证良好结果的机制,通过多维出价的一般化一价机制变体来实现这一目标,发现表述能力超出类型空间是实现鲁棒性的必要和充分条件。
- 大型博弈中的机制设计:激励与隐私
使用推荐机制实现不完全信息环境中完全信息博弈的均衡,基于差分隐私提出的联合差分隐私算法可用于满足所需的推荐机制的激励性质和隐私特性。
- 无限不完全信息游戏的受限自动机制设计
提出了一个基于两阶段博弈模型的自动化机制设计功能框架,并将其应用于几类不完全信息的两人无穷博弈中。我们的方法使用黑盒优化算法,可以实现优化或接近最优化的机制设计,并在多种应用领域得到了验证。通过与已知的最优机制进行比较,我们证明了该方法是参 - MM使用 Answer Set Programming 进行具有 Sensing Actions、不完整信息和静态因果定律的推理与规划
本研究在静态因果律下,通过 0 - 近似感知行为和不完整信息扩展动作理论,并证明根据可能世界语义它的合理性。我们还展示了该近似的条件规划问题是 NP 完全的,并提出了一个基于 ASP 的条件规划器 ASCP,该规划器能够在存在感知动作、关于