Fugu-MT 論文翻訳(概要): The Effect of Iterativity on Adversarial Opinion Forming

論文の概要: The Effect of Iterativity on Adversarial Opinion Forming

arxiv url: http://arxiv.org/abs/2111.15445v2
Date: Wed, 1 Dec 2021 07:58:15 GMT
ステータス: 処理完了
システム内更新日: 2021-12-03 06:49:51.548342
Title: The Effect of Iterativity on Adversarial Opinion Forming
Title（参考訳）: 対向オピニオン成形における反復性の影響
Authors: Konstantinos Panagiotou and Simon Reisser
Abstract要約: 意見形成に対する敵対的影響を研究するための以下のモデルを考える。当初選ばれた専門家の集まりは、敵対者の影響を受けながら二項意見を形成する。ネットワーク内の他のすべての参加者は、近隣の専門家の大多数の意見を取る。
参考スコア（独自算出の注目度）: 0.0913755431537592
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Consider the following model to study adversarial effects on opinion forming. A set of initially selected experts form their binary opinion while being influenced by an adversary, who may convince some of them of the falsehood. All other participants in the network then take the opinion of the majority of their neighbouring experts. Can the adversary influence the experts in such a way that the majority of the network believes the falsehood? Alon et al. [1] conjectured that in this context an iterative dissemination process will always be beneficial to the adversary. This work provides a counterexample to that conjecture. [1] N. Alon, M. Feldman, O. Lev, and M. Tennenholtz. How Robust Is the Wisdom of the Crowds? In Proceedings of the 24th International Joint Conference on Artificial Intelligence (IJCAI 2015), pages 2055-2061, 2015.
Abstract（参考訳）: 意見形成に対する敵対的影響を研究するための以下のモデルを考える。当初選ばれた専門家の集まりは、敵対者の影響を受けながら二項意見を形成する。ネットワークの他のすべての参加者は、近隣の専門家の大多数の意見を受け取る。敵は、ネットワークの大多数が虚偽を信じるような方法で専門家に影響を与えるだろうか? アロンなど。 [1] この文脈では、反復的な散布過程は常に敵にとって有益である。この研究は、その予想に反例を与える。 [1] N. Alon, M. Feldman, O. Lev, M. Tennenholtz。群衆の知恵はどんなにロバストか? 第24回人工知能国際合同会議(ijcai 2015)第2055-2061頁。

関連論文リスト

Joint Universal Adversarial Perturbations with Interpretations [19.140429650679593]
本稿では,JUAP(Universal Reversarial Perturbation)を生成する新たな攻撃フレームワークを提案する。我々の知る限りでは、これはDNNと解釈の両方を共同攻撃するUAPを研究する最初の試みである。
論文参考訳（メタデータ） (2024-08-03T08:58:04Z)
Learning to Mitigate Externalities: the Coase Theorem with Hindsight Rationality [62.18973784316808]
経済理論において、外部性の概念は、社会的福祉に影響を与えるプレイヤー間の相互作用から生じる間接的な効果を指す。我々の研究は、バーゲンが根底にあるゲームについて完全な知識を持っているという古典的な仮定を取り除いている。次に、プレイヤーが全福祉を最大化する交渉戦略を学習できるようにするための政策を設計する。
論文参考訳（メタデータ） (2024-06-28T11:00:53Z)
Nearly Optimal Algorithms for Contextual Dueling Bandits from Adversarial Feedback [58.66941279460248]
人からのフィードバックから学ぶことは、大言語モデル(LLM)のような生成モデルを調整する上で重要な役割を果たす本稿では,本問題の領域内モデルについて考察する。-文脈的デュエルバンディットと敵対的フィードバックを併用し,真の嗜好ラベルを敵によって反転させることができる。本稿では,不確実性重み付き最大推定に基づく頑健なコンテキストデュエルバンドイット(アルゴ)を提案する。
論文参考訳（メタデータ） (2024-04-16T17:59:55Z)
A Reply to Makelov et al. (2023)'s "Interpretability Illusion" Arguments [59.87080148922358]
我々は、Makelov et al. (2023)が実際に見ているのは、トレーニングと評価のパラダイムの成果であると主張している。しかし、Makelov et al. (2023) の例と議論は間違いなく解釈可能性の分野を前進させた。
論文参考訳（メタデータ） (2024-01-23T10:27:42Z)
Right, No Matter Why: AI Fact-checking and AI Authority in Health-related Inquiry Settings [6.479999334029941]
健康関連文の真偽を評価する際に,ユーザのAI対応行動の評価を行う。 AIはステートメントが偽/真であると信じている”というだけに制限されたフィードバックでさえ、半数以上の人がステートメントアセスメントをAIの提案に移行していることがわかったのです。
論文参考訳（メタデータ） (2023-10-22T16:59:31Z)
Unsupervised Opinion Aggregation -- A Statistical Perspective [5.665646276894791]
複雑な意思決定システムは、根底にある真実が何であるかを理解するために意見に依存する。本報告では, 基礎的真理を必要とせず, 各専門家の立場から知識を推測する統計的アプローチについて検討する。
論文参考訳（メタデータ） (2023-08-20T23:14:52Z)
Cross Pairwise Ranking for Unbiased Item Recommendation [57.71258289870123]
我々はCPR(Cross Pairwise Ranking)という新しい学習パラダイムを開発する。 CPRは、露出メカニズムを知らずに不偏の推奨を達成する。理論的には、この方法が学習に対するユーザ/イテムの適合性の影響を相殺することを証明する。
論文参考訳（メタデータ） (2022-04-26T09:20:27Z)
The Who in XAI: How AI Background Shapes Perceptions of AI Explanations [61.49776160925216]
私たちは、2つの異なるグループ、つまりAIのバックグラウンドを持つ人々といない人たちの、異なるタイプのAI説明に対する理解について、混合手法による研究を行います。その結果,(1) 両群は異なる理由から不合理な数に対する信頼を示し,(2) それぞれの群は意図した設計以上の異なる説明に価値を見出した。
論文参考訳（メタデータ） (2021-07-28T17:32:04Z)
Adversarial Visual Robustness by Causal Intervention [56.766342028800445]
敵の訓練は、敵の例に対する事実上最も有望な防御である。しかし、その受動性は必然的に未知の攻撃者への免疫を妨げる。我々は、敵対的脆弱性の因果的視点を提供する: 原因は、学習に普遍的に存在する共同創設者である。
論文参考訳（メタデータ） (2021-06-17T14:23:54Z)
A Large Scale Randomized Controlled Trial on Herding in Peer-Review Discussions [33.261698377782075]
我々は、レビュアーや上級意思決定者が議論で提示された最初の議論に不当に影響されるかどうかを理解することを目的としている。具体的には,論文の結果に対する議論開始者の意見の条件因果効果をテストすることを目的として,ランダム化試験を設計・実施する。
論文参考訳（メタデータ） (2020-11-30T18:23:07Z)
On Generating Plausible Counterfactual and Semi-Factual Explanations for Deep Learning [15.965337956587373]
PlausIble Exceptionality-based Contrastive Explanations (PIECE) は、テストイメージにおけるすべての例外的特徴を、対実クラスの観点から正規化するように修正する。 2つの制御された実験は、PIECEを文献上の他のものと比較し、PIECEはいくつかの尺度において最も妥当な反事実を生成するだけでなく、最良の半事実も生成することを示した。
論文参考訳（メタデータ） (2020-09-10T14:48:12Z)

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。