論文の概要: Strategic Ranking

• arxiv url: http://arxiv.org/abs/2109.08240v1
• Date: Thu, 16 Sep 2021 22:04:24 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-20 14:30:14.364331
• Title: Strategic Ranking
• Title（参考訳）: 戦略ランク付け
• Authors: Lydia T. Liu, Nikhil Garg, Christian Borgs
• Abstract要約: 我々は、(デザインされた)個人報酬が関心の測定において、応募者のポストエフォートのランクに依存する戦略的なランクを導入します。 この結果から,応募者間の競争が結果の均衡やモデル洞察にどのように影響するかが示唆された。
• 参考スコア（独自算出の注目度）: 11.479055366390426
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Strategic classification studies the design of a classifier robust to the manipulation of input by strategic individuals. However, the existing literature does not consider the effect of competition among individuals as induced by the algorithm design. Motivated by constrained allocation settings such as college admissions, we introduce strategic ranking, in which the (designed) individual reward depends on an applicant's post-effort rank in a measurement of interest. Our results illustrate how competition among applicants affects the resulting equilibria and model insights. We analyze how various ranking reward designs trade off applicant, school, and societal utility and in particular how ranking design can counter inequities arising from disparate access to resources to improve one's measured score: We find that randomization in the ranking reward design can mitigate two measures of disparate impact, welfare gap and access, whereas non-randomization may induce a high level of competition that systematically excludes a disadvantaged group.
• Abstract（参考訳）: 戦略分類は、戦略的個人による入力の操作に頑健な分類器の設計を研究する。 しかし、既存の文献ではアルゴリズム設計による個人間の競争の影響は考慮されていない。 大学進学などの制限された割当設定に動機づけられ、(デザインされた)個人報酬が利子の測定において応募者のポスト・エフォートのランクに依存する戦略的ランキングを導入する。 本研究は, 応募者間の競争が, 結果の平衡とモデル洞察にどのように影響するかを示す。 我々は、様々なランキング報酬デザインが応募者、学校、社会ユーティリティとどう引き離すか、特にランキングデザインがリソースの異質なアクセスから生ずる不平等に対抗して評価スコアを改善するかを分析し、ランキング報酬デザインのランダム化は2つの異なる影響、福祉ギャップ、アクセスの尺度を緩和できるのに対し、非ランダム化は、系統的に不利なグループを除外する高いレベルの競争を引き起こす可能性があることを見出した。

関連論文リスト

• Analysis of Systems' Performance in Natural Language Processing Competitions [6.197993866688085]
  本論文は,競技結果と競技成績を統計的に分析するための評価手法について述べる。 提案手法は,修正機構との比較や信頼区間の包含など,いくつかの利点がある。 本分析は,競争結果を効果的に評価するための方法論の有用性を示す。
  論文  参考訳（メタデータ） (2024-03-07T17:42:40Z)
• CompeteSMoE -- Effective Training of Sparse Mixture of Experts via Competition [52.2034494666179]
  スパース・ミックス・オブ・エキスパート(SMoE)は、ネットワークの深さや幅を増大させる平均を超えた、モデルの複雑さをスケールアップする魅力的なソリューションを提供する。 本稿では,この表現崩壊の根本的な課題に対処する競合機構を提案する。 入力を最も高い神経応答を持つ専門家にのみルーティングすることにより、コンペティションが最適推定器と同じ収束率を持つことを示す。
  論文  参考訳（メタデータ） (2024-02-04T15:17:09Z)
• Competitions in AI -- Robustly Ranking Solvers Using Statistical Resampling [9.02080113915613]
  比較結果の標準的な解釈から得られたランキングは、評価の基礎として使われるベンチマークインスタンスセットのマイナーな変更にも非常に敏感であることを示す。 本稿では,性能データの再サンプリングに基づく競争結果の統計的に有意な分析手法を提案する。 提案手法は,競合スコアの信頼区間を生成するとともに,有界誤差を持つ統計的に堅牢な解法ランキングを生成する。
  論文  参考訳（メタデータ） (2023-08-09T16:47:04Z)
• FedABC: Targeting Fair Competition in Personalized Federated Learning [76.9646903596757]
  フェデレートラーニングは、クライアントのローカルプライベートデータにアクセスすることなく、モデルを協調的にトレーニングすることを目的としている。 我々はFedABCと呼ばれるバイナリ分類によるFederated Averagingと呼ばれる新規で汎用的なPFLフレームワークを提案する。 特に、各クライアントに1対1のトレーニング戦略を採用して、クラス間の不公平な競争を軽減する。
  論文  参考訳（メタデータ） (2023-02-15T03:42:59Z)
• A Tale of HodgeRank and Spectral Method: Target Attack Against Rank Aggregation Is the Fixed Point of Adversarial Game [153.74942025516853]
  ランクアグリゲーション手法の本質的な脆弱性は文献ではよく研究されていない。 本稿では,ペアデータの変更による集計結果の指定を希望する目的のある敵に焦点をあてる。 提案した標的攻撃戦略の有効性は,一連の玩具シミュレーションと実世界のデータ実験によって実証された。
  論文  参考訳（メタデータ） (2022-09-13T05:59:02Z)
• Fairness in Selection Problems with Strategic Candidates [9.4148805532663]
  選択問題における戦略的側面が公平性に与える影響について検討する。 合理的な候補者の人口は、彼らの品質を高めるために努力レベルを選択することで競います。 我々は、異なるパラメータのレジームにおけるこのゲームの(一意)平衡を特徴づける。
  論文  参考訳（メタデータ） (2022-05-24T17:03:32Z)
• Addressing Strategic Manipulation Disparities in Fair Classification [15.032416453073086]
  少数派の個人が、機能更新に高額な費用を払っていることがよく示されます。 マイノリティグループに対する戦略的操作コストを低減させる分類器を構築するための制約付き最適化フレームワークを提案する。 実世界の複数のデータセットに対して,本手法の有効性を実証的に示す。
  論文  参考訳（メタデータ） (2022-05-22T14:59:40Z)
• Multi-Stage Decentralized Matching Markets: Uncertain Preferences and Strategic Behaviors [91.3755431537592]
  本稿では、現実世界のマッチング市場で最適な戦略を学ぶためのフレームワークを開発する。 我々は,不確実性レベルが特徴の福祉対フェアネストレードオフが存在することを示す。 シングルステージマッチングと比較して、マルチステージマッチングで参加者がより良くなることを証明します。
  論文  参考訳（メタデータ） (2021-02-13T19:25:52Z)
• Learning Strategies in Decentralized Matching Markets under Uncertain Preferences [91.3755431537592]
  エージェントの選好が不明な場合,共有資源の不足の設定における意思決定の問題について検討する。 我々のアプローチは、再生されたカーネルヒルベルト空間における好みの表現に基づいている。 エージェントの期待した利益を最大化する最適な戦略を導出する。
  論文  参考訳（メタデータ） (2020-10-29T03:08:22Z)
• Catch Me if I Can: Detecting Strategic Behaviour in Peer Assessment [61.24399136715106]
  我々は、試験やホームワークの査定や採用・昇進の査定など、様々な査定課題における戦略的行動の課題について考察する。 我々はこのような操作を検出する方法の設計に重点を置いている。 具体的には、エージェントがピアのサブセットを評価し、後に集約されたランキングを最終的な順序付けとして出力する設定について検討する。
  論文  参考訳（メタデータ） (2020-10-08T15:08:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。