論文の概要: Multi-winner Approval Voting Goes Epistemic

• arxiv url: http://arxiv.org/abs/2201.06655v1
• Date: Mon, 17 Jan 2022 23:07:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-20 04:59:33.437246
• Title: Multi-winner Approval Voting Goes Epistemic
• Title（参考訳）: マルチ勝者投票が疫病に
• Authors: Tahar Allouche, J\'er\^ome Lang, Florian Yger
• Abstract要約: 我々は、真理が目的の勝者の集合から成り、その基数に対する下限と上限を知っている状況を考える。 この設定の原型的問題は、基底真理の大きさに関する事前知識を持つ多ラベルアノテーションの集約である。 我々は、最適な勝者集合を出力するルールを定義するノイズモデルを提案する。
• 参考スコア（独自算出の注目度）: 6.933322579961287
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Epistemic voting interprets votes as noisy signals about a ground truth. We consider contexts where the truth consists of a set of objective winners, knowing a lower and upper bound on its cardinality. A prototypical problem for this setting is the aggre-gation of multi-label annotations with prior knowledge on the size of the ground truth. We posit noisemodels, for which we define rules that output an optimal set of winners. We report on experiments on multi-label annotations (which we collected).
• Abstract（参考訳）: エピステマティック投票は、投票を根底にある真実に関する騒々しいシグナルとして解釈する。 我々は、真理が客観的な勝者の集合から成り、その濃度について下界と上界を知る文脈を考える。 この設定の原型的な問題は、基底真理の大きさに関する事前知識を持つ多段アノテーションのアグレゲーションである。 我々は、最適な勝者集合を出力するルールを定義するノイズモデルを提案する。 マルチラベルアノテーション(収集したアノテーション)の実験について報告する。

関連論文リスト

• Diverging Preferences: When do Annotators Disagree and do Models Know? [92.24651142187989]
  我々は,4つのハイレベルクラスにまたがる10のカテゴリにまたがる相違点の分類法を開発した。 意見の相違の大部分は、標準的な報酬モデリングアプローチに反対している。 本研究は,選好の変化を識別し,評価とトレーニングへの影響を緩和する手法を開発する。
  論文  参考訳（メタデータ） (2024-10-18T17:32:22Z)
• NoVo: Norm Voting off Hallucinations with Attention Heads in Large Language Models [70.02816541347251]
  本稿では,注意基準の未適用ポテンシャルを利用して,事実の精度を高める軽量なノム投票法(Nom Voting, NoVo)を提案する。 TruthfulQA MC1では、NoVoは現在の最先端および過去のすべてのメソッドを、驚くべきマージン -- 少なくとも19の精度ポイントで上回る。
  論文  参考訳（メタデータ） (2024-10-11T16:40:03Z)
• Abductive and Contrastive Explanations for Scoring Rules in Voting [5.928530455750507]
  我々は、ルールの採点のための帰納的および対照的な説明を計算するためのアルゴリズムを設計する。 ボルダの法則では、最小の導出的説明の大きさの低い境界を求める。 選好プロファイルの特性と最小誘引的説明の大きさの相関関係をシミュレーションにより同定する。
  論文  参考訳（メタデータ） (2024-08-23T09:12:58Z)
• Probabilistic Test-Time Generalization by Variational Neighbor-Labeling [62.158807685159736]
  本稿では、ドメインの一般化を試み、モデルが未確認のターゲットドメインにデプロイされる前に、ソースドメインにのみトレーニングされる。 ソーストレーニングされたモデルをテスト時にターゲットドメインに一般化するための、ターゲットサンプルの擬似ラベル化の確率。 より堅牢な擬似ラベルを生成するために、近隣のターゲットサンプルの情報を含む変分隣接ラベル。
  論文  参考訳（メタデータ） (2023-07-08T18:58:08Z)
• Neighborhood Collective Estimation for Noisy Label Identification and Correction [92.20697827784426]
  ノイズラベルを用いた学習(LNL)は,ノイズラベルに対するモデルオーバーフィットの効果を軽減し,モデル性能と一般化を改善するための戦略を設計することを目的としている。 近年の進歩は、個々のサンプルのラベル分布を予測し、ノイズ検証とノイズラベル補正を行い、容易に確認バイアスを生じさせる。 提案手法では, 候補サンプルの予測信頼性を, 特徴空間近傍と対比することにより再推定する。
  論文  参考訳（メタデータ） (2022-08-05T14:47:22Z)
• Truth-tracking via Approval Voting: Size Matters [3.113227275600838]
  我々は、投票が承認投票からなる単純な設定を考える。 各投票者は、基本的真実である可能性があると信じている選択肢のセットを承認する。 我々は、Mallowsモデルの投票変種を承認するいくつかのノイズモデルを定義する。
  論文  参考訳（メタデータ） (2021-12-07T12:29:49Z)
• Obvious Manipulability of Voting Rules [105.35249497503527]
  Gibbard-Satterthwaite の定理は、全会一致で非独裁的な投票規則は、戦略的なものではないと述べる。 我々は投票規則を再検討し、明らかでない操作性という戦略的安全性の弱い概念を考察する。
  論文  参考訳（メタデータ） (2021-11-03T02:41:48Z)
• The Complexity of Learning Approval-Based Multiwinner Voting Rules [9.071560867542647]
  本研究は,ABCS(承認ベース委員会スコアリング)ルールのクラスに着目し,マルチウィンナ投票の学習可能性について検討する。 我々のゴールは、少数のプロファイルの勝利委員会に関する情報を用いて、ターゲットルール(すなわち、対応するスコアリング機能を学ぶこと)を学ぶことである。 我々は、ある委員会に与えられたプロファイルで勝利させるABCSルールが存在するかどうかを判断することが難しいことを証明している。
  論文  参考訳（メタデータ） (2021-10-01T08:25:05Z)
• Consensus-Guided Correspondence Denoising [67.35345850146393]
  本稿では,地域間コンセンサス学習フレームワークと対応関係を異色化し,対応関係をロバストに識別する。 ローカル地域からグローバル地域への動的グラフから推定されるコンセンサススコアに基づいて,信頼度の高い候補を初期マッチングから蒸留する新しい「プルーニング」ブロックを導入した。 本手法は、堅牢なラインフィッティング、ワイドベースライン画像マッチング、画像ローカリゼーションベンチマークを顕著なマージンで上回る。
  論文  参考訳（メタデータ） (2021-01-03T09:10:00Z)
• Evaluating approval-based multiwinner voting in terms of robustness to noise [10.135719343010177]
  承認ベースのマルチウィンナー投票は常に妥当な雑音に対して堅牢であることを示す。 ノイズに対する頑丈さの観点から、ルールの階層構造を提示することで、この発見をさらに洗練します。
  論文  参考訳（メタデータ） (2020-02-05T13:17:43Z)
• Objective Social Choice: Using Auxiliary Information to Improve Voting Outcomes [16.764511357821043]
  多様な情報源からノイズのある情報を組み合わせて、客観的根拠の真理を推測するにはどうすればよいのか? マルチアームバンディット雑音モデルとカウントベース補助情報セットを提案する。 我々のルールは、補助情報を利用して、素質のベースラインを上回りました。
  論文  参考訳（メタデータ） (2020-01-27T21:21:19Z)

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。