研究人员开发了一种新算法，可以从成对比较中同时学习项目奖励和工人可靠性，尤其是在众包环境中。所提出的方法利用了玻尔兹曼理性模型，通过纳入工人能力来扩展 Bradley-Terry-Luce 模型。使用 Polya-Gamma 潜在变量推导了一个基于 EM 的算法，将问题转化为具有理论收敛保证的矩阵传感任务。在合成数据和真实世界数据上的实验表明，该算法对不可靠和对抗性工人具有鲁棒性，并且优于现有基线。 AI
影响 这项研究通过更好地考虑不可靠的人工标注者，有可能提高用于训练 AI 模型的数据质量。
排序理由 该集群包含一篇学术论文，详细介绍了一种从成对比较中学习的新算法。[lever_c_demoted from research: ic=1 ai=1.0]
- Amazon Mechanical Turk
- Boltzmann-rational model
- Bradley-Terry-Luce model
- EM-based algorithm
- Kaustubh Shivshankar Shejole
- Polya-Gamma
- Scale AI
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
