Fugu-MT 論文翻訳(概要): From prediction markets to interpretable collective intelligence

論文の概要: From prediction markets to interpretable collective intelligence

arxiv url: http://arxiv.org/abs/2204.13424v3
Date: Fri, 1 Sep 2023 16:37:50 GMT
ステータス: 処理完了
システム内更新日: 2023-09-04 17:39:47.746388
Title: From prediction markets to interpretable collective intelligence
Title（参考訳）: 予測市場から解釈可能な集合知へ
Authors: Alexey V. Osipov, Nikolay N. Osipov
Abstract要約: 我々は、任意の専門家のグループから、任意の論理命題の真理の確率を導き出すシステムを作成する。我々は,専門家間の直接情報交換にインセンティブを与える遊び金による自己解決型予測市場の開発の可能性について論じる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We outline how to create a mechanism that provides an optimal way to elicit, from an arbitrary group of experts, the probability of the truth of an arbitrary logical proposition together with collective information that has an explicit form and interprets this probability. Namely, we provide strong arguments for the possibility of the development of a self-resolving prediction market with play money that incentivizes direct information exchange between experts. Such a system could, in particular, motivate simultaneously many experts to collectively solve scientific or medical problems in a very efficient manner. We also note that in our considerations, experts are not assumed to be Bayesian.
Abstract（参考訳）: 任意の専門家のグループから、任意の論理命題の真理の確率を、明示的な形式を持ち、この確率を解釈する集合情報とともに導き出すための最適な方法を提供するメカニズムの作り方について概説する。すなわち,専門家間の直接情報交換にインセンティブを与える遊び金による自己解決型予測市場の可能性について,強く議論する。このようなシステムは、特に多くの専門家を同時に動機付け、科学的または医学的な問題を非常に効率的な方法で総合的に解決することができる。我々はまた、専門家がベイジアンであるとは考えていないことに留意する。

関連論文リスト

Performative Prediction on Games and Mechanism Design [69.7933059664256]
エージェントが過去の正確性に基づいて予測を信頼するかを判断する集団リスクジレンマについて検討する。予測が集合的な結果を形成するにつれて、社会福祉は関心の指標として自然に現れる。よりよいトレードオフを実現し、それらをメカニズム設計に使用する方法を示します。
論文参考訳（メタデータ） (2024-08-09T16:03:44Z)
Generalization Error Analysis for Sparse Mixture-of-Experts: A Preliminary Study [65.11303133775857]
Mixture-of-Experts (MoE)計算アマルガメート予測 Sparse MoEは、限られた数、あるいは1つの専門家だけを選択的に扱うことで、経験的に保存され、時にはパフォーマンスが向上する一方で、オーバーヘッドを大幅に削減する。
論文参考訳（メタデータ） (2024-03-26T05:48:02Z)
Robust Decision Aggregation with Adversarial Experts [4.751372843411884]
我々は、真理と敵の双方の専門家が存在する場合、二項決定集約問題を考える。最悪の情報構造下では,後悔を最小限に抑える最適なアグリゲータが見つかる。
論文参考訳（メタデータ） (2024-03-13T03:47:08Z)
Defining Expertise: Applications to Treatment Effect Estimation [58.7977683502207]
専門知識(特にドメインの意思決定者が持つであろう専門知識の種類)は、治療効果の推定方法の設計と選択において有益である、と我々は主張する。予測的および予測的2種類の専門知識を定義し,(i)ドメインにおける顕著な専門知識のタイプが治療効果推定における異なる手法の性能に大きく影響し,(ii)データセットに存在する専門知識のタイプを予測することが可能であることを実証的に示す。
論文参考訳（メタデータ） (2024-03-01T17:30:49Z)
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)
What Should I Know? Using Meta-gradient Descent for Predictive Feature Discovery in a Single Stream of Experience [63.75363908696257]
計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
論文参考訳（メタデータ） (2022-06-13T21:31:06Z)
Counterfactual Inference of Second Opinions [13.93477033094828]
専門家から第二の意見を推測できる自動意思決定支援システムは、リソースのより効率的な割り当てを促進する可能性がある。本稿では, 対実的推論の観点から, この種の支援システムの設計について考察する。合成データと実データの両方の実験により、我々のモデルは、その非因果的データよりも正確に第2の意見を推測することができることを示した。
論文参考訳（メタデータ） (2022-03-16T14:40:41Z)
Improving Expert Predictions with Conformal Prediction [14.850555720410677]
既存のシステムは通常、専門家に、いつ機関をシステムに割譲するか、いつ独自の機関を行使するかを理解する必要がある。我々は、専門家がより正確な予測を行うことができ、予測者が依存する精度に頑健な自動意思決定支援システムを開発する。
論文参考訳（メタデータ） (2022-01-28T09:35:37Z)
Are You Smarter Than a Random Expert? The Robust Aggregation of Substitutable Signals [14.03122229316614]
本稿では,幅広い情報構造から専門家の知識を逆選択する文脈において,予測集約の研究を開始する。投射的代替条件の下では、専門家の予測の平均値を取得することは、ランダムな専門家を信頼する戦略によって大幅に改善される。本研究では, 専門家の予測を平均化し, 一定の要因によって前者から遠ざかることで平均を極端に推し進めることにより, 集積器の性能保証は, 事前の知識がなくても実現可能であることを示す。
論文参考訳（メタデータ） (2021-11-04T20:50:30Z)
Test-time Collective Prediction [73.74982509510961]
マシンラーニングの複数のパーティは、将来のテストポイントを共同で予測したいと考えています。エージェントは、すべてのエージェントの集合の集合的な専門知識の恩恵を受けることを望んでいるが、データやモデルパラメータを解放する意思はないかもしれない。我々は、各エージェントの事前学習モデルを利用して、テスト時に集合的な予測を行う分散型メカニズムを探索する。
論文参考訳（メタデータ） (2021-06-22T18:29:58Z)
Leveraging Expert Consistency to Improve Algorithmic Decision Support [62.61153549123407]
建設のギャップを狭めるために観測結果と組み合わせることができる情報源として,歴史専門家による意思決定の利用について検討する。本研究では,データ内の各ケースが1人の専門家によって評価された場合に,専門家の一貫性を間接的に推定する影響関数に基づく手法を提案する。本研究は, 児童福祉領域における臨床現場でのシミュレーションと実世界データを用いて, 提案手法が構成ギャップを狭めることに成功していることを示す。
論文参考訳（メタデータ） (2021-01-24T05:40:29Z)

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。