論文の概要: A Truthful Owner-Assisted Scoring Mechanism

• arxiv url: http://arxiv.org/abs/2206.08149v1
• Date: Tue, 14 Jun 2022 14:35:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-19 03:37:51.868190
• Title: A Truthful Owner-Assisted Scoring Mechanism
• Title（参考訳）: 真の所有者支援スコアリング機構
• Authors: Weijie J. Su
• Abstract要約: そこで,Bob は真偽情報を用いた最適二乗誤差推定器が得られることを示す。 推定品目数は、品目数が大きく、生品目数が非常にうるさい場合には、生品目よりもかなり正確である。
• 参考スコア（独自算出の注目度）: 28.364491520646084
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Alice (owner) has knowledge of the underlying quality of her items measured in grades. Given the noisy grades provided by an independent party, can Bob (appraiser) obtain accurate estimates of the ground-truth grades of the items by asking Alice a question about the grades? We address this when the payoff to Alice is additive convex utility over all her items. We establish that if Alice has to truthfully answer the question so that her payoff is maximized, the question must be formulated as pairwise comparisons between her items. Next, we prove that if Alice is required to provide a ranking of her items, which is the most fine-grained question via pairwise comparisons, she would be truthful. By incorporating the ground-truth ranking, we show that Bob can obtain an estimator with the optimal squared error in certain regimes based on any possible way of truthful information elicitation. Moreover, the estimated grades are substantially more accurate than the raw grades when the number of items is large and the raw grades are very noisy. Finally, we conclude the paper with several extensions and some refinements for practical considerations.
• Abstract（参考訳）: アリス(オーナー)は、グレードで測定された項目の根底にある品質について知識を持っている。 独立党によって提供される騒がしい格付けを考えると、ボブ(審査官)はアリスに格付けについて質問することで、アイテムの真下級の正確な見積もりを得ることができるか。 Aliceに対する支払いが、すべてのアイテムに対して付加的な凸ユーティリティである場合、この問題に対処します。 アリスが真に答えて支払いを最大化するのであれば、その質問はアイテム間のペア比較として定式化されなければならない。 次に、アリスが彼女の項目のランク付けを要求され、それはペア比較による最もきめ細かい質問であるなら、彼女は真実であるであろうことを証明します。 接地ランキングを組み込むことにより、ボブは、真理的な情報の導出のあらゆる方法に基づいて、特定のレジームにおいて最適な二乗誤差を持つ推定子を得ることができることを示す。 また, 推定等級は, 項目数が大きく, ノイズが大きい場合に, 生品数よりもかなり正確である。 最後に,本論文をいくつかの拡張と実践的考察によりまとめる。

関連論文リスト

• Additive-Effect Assisted Learning [17.408937094829007]
  我々はエージェントAliceのための2段階学習アーキテクチャを開発し、別のエージェントBobの助けを求める。 最初の段階では、Alice が Bob のデータの有用性を決定するために、プライバシを意識した仮説テストベースのスクリーニング手法を提案する。 Alice は,理論的にも数値的にも,訓練が集中的なデータからであるかのように,オラクルのパフォーマンスを達成できることを示す。
  論文  参考訳（メタデータ） (2024-05-13T23:24:25Z)
• What Hides behind Unfairness? Exploring Dynamics Fairness in Reinforcement Learning [52.51430732904994]
  強化学習問題では、エージェントはリターンを最大化しながら長期的な公正性を考慮する必要がある。 近年の研究では様々なフェアネスの概念が提案されているが、RL問題における不公平性がどのように生じるかは定かではない。 我々は、環境力学から生じる不平等を明示的に捉える、ダイナミックスフェアネスという新しい概念を導入する。
  論文  参考訳（メタデータ） (2024-04-16T22:47:59Z)
• Alignment for Honesty [105.72465407518325]
  最近の研究は、大きな言語モデル(LLM)を有用性と無害性と整合させることに大きく貢献している。 本稿は,LLMが知識の欠如に積極的に回答を拒むことを確実にする,エンフォネストリーにおけるアライメントの重要性を論じる。 これらの課題に対処するために、まずは正確な問題定義を確立し、儒教の分析に触発された「誠実さ」を定義します。
  論文  参考訳（メタデータ） (2023-12-12T06:10:42Z)
• Faithful Knowledge Distillation [75.59907631395849]
  i) 教師と学生は、正しく分類されたデータセットのサンプルに近い点で意見が一致しないか、(ii) 蒸留した学生は、データセットのサンプルに関する教師と同じくらい自信があるか、という2つの重要な質問に焦点をあてる。 これらは、安全クリティカルな設定の中で、堅牢な教師から訓練された小さな学生ネットワークを配置することを考えると、重要な問題である。
  論文  参考訳（メタデータ） (2023-06-07T13:41:55Z)
• Adam: Dense Retrieval Distillation with Adaptive Dark Examples [104.01735794498767]
  本稿では,教師が持つ暗黒知識を適応暗黒エクストリームで伝達する知識蒸留フレームワークであるADAMを提案する。 2つの広く利用されているベンチマークで実験を行い、本手法の有効性を検証する。
  論文  参考訳（メタデータ） (2022-12-20T12:03:19Z)
• Identifying the value of a random variable unambiguously: Quantum versus classical approaches [44.99833362998488]
  量子リソースは、古典的なリソースよりも有利である。 我々は、Refereeが仲介し、AliceとBobの間でプレイするゲームに基づいてそのようなタスクを構築する。 アリスが古典的情報を限られた量送った場合、ゲームに勝つには「古典的情報の限られた量」の量子アナログが十分であるのに対し、ゲームは勝てないことを示す。
  論文  参考訳（メタデータ） (2022-11-16T20:28:49Z)
• Simultaneous Measurement and Entanglement [0.0]
  LOCCがAliceとBobに最適な2つの製品状態の区別を可能にすることを示す。 LOCCは、製品状態の区別のためのベルペアよりも、ほぼ常に有効であることがわかった。
  論文  参考訳（メタデータ） (2022-01-25T23:11:29Z)
• Linear Gaussian Quantum State Smoothing: Understanding the optimal unravelings for Alice to estimate Bob's state [0.0]
  量子状態平滑化(quantum state smoothing)は、特定の時間における量子状態の見積を構築する手法である。 アリスの平滑化の有効性に対するボブの測定選択の影響は、近年多くの論文で研究されている。 アリスの測度選択から最適な測度選択を近似できる簡単な仮説を考案する。
  論文  参考訳（メタデータ） (2020-08-31T04:04:50Z)
• Superadditivity of channel capacity through quantum fields [0.0]
  本研究では,送信者のアリスが量子場における情報伝達障害を引き起こすシナリオについて検討する。 我々は、Aliceと受信機のBobの間のチャネル容量が、Bobが検出器を配置するだけでなく、Aliceの符号化操作の因果的未来にも及んでいることを発見した。
  論文  参考訳（メタデータ） (2020-02-11T00:53:34Z)

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。