論文の概要: A prototype hybrid prediction market for estimating replicability of published work

• arxiv url: http://arxiv.org/abs/2303.00866v1
• Date: Wed, 1 Mar 2023 23:44:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-03 16:47:24.149356
• Title: A prototype hybrid prediction market for estimating replicability of published work
• Title（参考訳）: 出版物の複製性を推定するハイブリッド予測市場の試作
• Authors: Tatiana Chakravorti, Robert Fraleigh, Timothy Fritton, Michael McLaughlin, Vaibhav Singh, Christopher Griffin, Anthony Kwasnica, David Pennock, C. Lee Giles, Sarah Rajtmajer
• Abstract要約: 我々は,機械学習アルゴリズムとして人工予測市場を提案する先行作業に基づいて構築する。 人工予測市場では、訓練されたAIエージェントが将来のイベントの結果を購入し、販売する。 複製学習の結果を予測するために,試作型ハイブリッド市場を用いたパイロット研究を詳述する。
• 参考スコア（独自算出の注目度）: 9.59326922088501
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We present a prototype hybrid prediction market and demonstrate the avenue it represents for meaningful human-AI collaboration. We build on prior work proposing artificial prediction markets as a novel machine-learning algorithm. In an artificial prediction market, trained AI agents buy and sell outcomes of future events. Classification decisions can be framed as outcomes of future events, and accordingly, the price of an asset corresponding to a given classification outcome can be taken as a proxy for the confidence of the system in that decision. By embedding human participants in these markets alongside bot traders, we can bring together insights from both. In this paper, we detail pilot studies with prototype hybrid markets for the prediction of replication study outcomes. We highlight challenges and opportunities, share insights from semi-structured interviews with hybrid market participants, and outline a vision for ongoing and future work.
• Abstract（参考訳）: 我々は,ハイブリッド予測市場のプロトタイプを紹介し,それが有意義な人間とAIのコラボレーションの道筋を示す。 人工予測市場を新しい機械学習アルゴリズムとして提案する先行作業に基づいて構築する。 人工予測市場では、訓練されたaiエージェントが将来のイベントの結果を売買する。 分類決定は、将来の出来事の結果とみなすことができ、したがって、所定の分類結果に対応する資産の価格を、その決定におけるシステムの信頼性の代案とすることができる。 ボットトレーダと一緒に、これらの市場に人間の参加者を組み込むことで、両方の洞察をまとめることができる。 本稿では,複製学習の結果を予測するために,プロトタイプハイブリッド市場を用いたパイロット研究について述べる。 課題と機会に注目し,ハイブリッド市場参加者との半構造化インタビューから得た洞察を共有し,現在および将来的な作業のビジョンを概説する。

関連論文リスト

• Human Action Anticipation: A Survey [86.415721659234]
  行動予測に関する文献は、行動予測、活動予測、意図予測、目標予測など、様々なタスクにまたがる。 我々の調査は、この断片化された文献を結びつけることを目的としており、最近の技術革新とモデルトレーニングと評価のための新しい大規模データセットの開発をカバーしています。
  論文  参考訳（メタデータ） (2024-10-17T21:37:40Z)
• 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)
• Building Socially-Equitable Public Models [32.35090986784889]
  パブリックモデルは、さまざまなダウンストリームタスクを予測し、さまざまなAIアプリケーションにおいて重要な役割を果たす。 我々は、下流エージェントの目的を最適化プロセスに統合することを提唱する。 本研究では,不均一なエージェント間の公平性を育成し,パフォーマンスの相違に対処する新しいエクイタブル・オブジェクトを提案する。
  論文  参考訳（メタデータ） (2024-06-04T21:27:43Z)
• A Network Simulation of OTC Markets with Multiple Agents [3.8944986367855963]
  我々は、取引が市場メーカによってのみ仲介される、オーバー・ザ・カウンタ(OTC)金融市場をシミュレートするための新しいアプローチを提案する。 本稿では,ネットワークモデルを用いて市場構造が価格変動に与える影響について考察する。
  論文  参考訳（メタデータ） (2024-05-03T20:45:00Z)
• Predictable Artificial Intelligence [77.1127726638209]
  本稿では予測可能なAIのアイデアと課題を紹介する。 それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。 予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
  論文  参考訳（メタデータ） (2023-10-09T21:36:21Z)
• 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)
• Machine Learning Classification Methods and Portfolio Allocation: An Examination of Market Efficiency [3.3343612552681945]
  我々は,OOS(Out-of-sample)予測可能性を通じて市場効率を評価する新しい枠組みを設計する。 我々は、資産価格問題を機械学習の分類問題とみなし、返却状態を予測するための分類モデルを構築した。 予測に基づくポートフォリオは、OOS経済の大幅な伸びで市場を圧倒した。
  論文  参考訳（メタデータ） (2021-08-04T20:48:27Z)
• Probabilistic Human Motion Prediction via A Bayesian Neural Network [71.16277790708529]
  本稿では,人間の動作予測のための確率モデルを提案する。 我々のモデルは、観測された動きシーケンスが与えられたときに、いくつかの将来の動きを生成することができる。 我々は、大規模ベンチマークデータセットHuman3.6mに対して、我々のアプローチを広範囲に検証した。
  論文  参考訳（メタデータ） (2021-07-14T09:05:33Z)
• 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)
• Multimodal Deep Generative Models for Trajectory Prediction: A Conditional Variational Autoencoder Approach [34.70843462687529]
  本研究では,人間の行動予測に対する条件付き変分オートエンコーダアプローチに関する自己完結型チュートリアルを提供する。 本チュートリアルの目的は,人間の行動予測における最先端の手法の分類をレビューし,構築することである。
  論文  参考訳（メタデータ） (2020-08-10T03:18:27Z)

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。