Computer science and game theory
PulseAugur coverage of Computer science and game theory — every cluster mentioning Computer science and game theory across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新模型区分偏好学习数据中的分歧类型
研究人员开发了一种新的非参数潜在语义模型来分析成对偏好数据，旨在区分反馈通道本身内的稳定异质性、短暂随机性或非二元响应。该模型引入了三个查询量：聚合方向偏好、持续分歧和非二元质量。该研究证明了一个精确的语义纤维定理，表明聚合方向偏好是点识别的，而分歧和非二元质量在与相同二元定律兼容的可行区域上变化。进一步的分析表明，相同标注者重复和启用弃权反馈可以识别完整的语义三元组，并在合成数据上验证了导出的有限样本估计量和集中度界限。
-
新研究论文详述算法预测器精炼技术
一篇题为《服务式精炼：算法预测器精炼》的新研究论文探讨了预测聚合的概念，特别关注了校准预测器。该论文提出了一种将校准预测器视为信号方案的表述，并通过特征无关的混淆来定义精炼。作者建立了一个算法框架，证明了虽然双边精炼可以被高效解决，但具有多个预测器的精炼对于确定性输出而言是NP难的。然而，当允许随机输出时，通过分解可构造信号向量，提出了一种适用于任意数量输入预测器的多项式时间算法。
-
公平分配研究探讨嫉妒自由和公平性保证
研究人员探讨了在公平分配中，嫉妒自由和公平性的兼容性，特别是在不可分割的物品和杂务方面。他们发现，虽然对于归一化的、加性的估值，EF1+EQ1分配不一定总是存在，但对于最多七个代理的归一化二元物品，可以计算出EF1+EQ1分配。相比之下，二元杂务即使没有归一化，也可以为任意数量的代理实现更强的EFX+EQX保证。该研究还启动了对随机分配的调查，以便为一种公平性概念提供事前保证，同时为另一种公平性概念维持事后保证。
-
新研究质疑占有优势在多轮收购拍卖中的有效性
一篇新发表在arXiv上的论文探讨了占有优势在多轮收购拍卖中的有效性。研究表明，虽然占有优势可以提高竞标者出更高价的意愿，但在多轮拍卖中，其阻止竞争对手的能力会减弱。这一发现可能解释了为什么在实践中占有优势不如理论模型预测的那么普遍。该研究还强调了经济博弈求解器输出中可能存在的不一致性，并确定了哪些求解器最适合此类复杂的拍卖场景。