論文の概要: Generative Social Choice

• arxiv url: http://arxiv.org/abs/2309.01291v2
• Date: Tue, 28 Nov 2023 18:59:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-30 15:01:36.700501
• Title: Generative Social Choice
• Title（参考訳）: 創造的社会選択
• Authors: Sara Fish, Paul G\"olz, David C. Parkes, Ariel D. Procaccia, Gili Rusak, Itai Shapira, Manuel W\"uthrich
• Abstract要約: 本稿では,社会的選択理論の厳密さと大規模言語モデルによるテキスト生成と外挿選好の能力を組み合わせる枠組みである生成的社会的選択について紹介する。 本稿では,自由形式の文章として表現された意見を表す文のスレートを生成する問題に,この枠組みを適用した。 100人中93人が、抽出した5つの発言のスレートによって「ほとんど」あるいは「完璧」と感じていることがわかった。
• 参考スコア（独自算出の注目度）: 30.23505343152816
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traditionally, social choice theory has only been applicable to choices among a few predetermined alternatives but not to more complex decisions such as collectively selecting a textual statement. We introduce generative social choice, a framework that combines the mathematical rigor of social choice theory with the capability of large language models to generate text and extrapolate preferences. This framework divides the design of AI-augmented democratic processes into two components: first, proving that the process satisfies rigorous representation guarantees when given access to oracle queries; second, empirically validating that these queries can be approximately implemented using a large language model. We apply this framework to the problem of generating a slate of statements that is representative of opinions expressed as free-form text; specifically, we develop a democratic process with representation guarantees and use this process to represent the opinions of participants in a survey about chatbot personalization. We find that 93 out of 100 participants feel "mostly" or "perfectly" represented by the slate of five statements we extracted.
• Abstract（参考訳）: 伝統的に、社会的選択理論は、いくつかの所定の選択肢のうちの選択のみに適用されるが、集合的にテキスト文を選択するようなより複雑な決定には適用されない。 本稿では,社会的選択理論の数学的厳密さと,大規模言語モデルによるテキスト生成と外挿選好の能力を組み合わせる枠組みである生成的社会的選択を紹介する。 このフレームワークは、AIによって強化された民主的プロセスの設計を2つのコンポーネントに分割する。まず、プロセスがオラクルクエリへのアクセスを与えられたときに厳密な表現を保証することを証明する。 本稿では,自由形式の文章として表現された意見を表す発言のスレートを生成する問題に適用する。具体的には,表現保証を伴う民主的プロセスを開発し,チャットボットのパーソナライゼーションに関する調査の参加者の意見を表現するためにこのプロセスを利用する。 100人中93人が、抽出した5つの発言のスレートによって「ほとんど」あるいは「完璧」と感じていることがわかった。

関連論文リスト

• Representative Social Choice: From Learning Theory to AI Alignment [0.0]
  代表的な社会的選択において、人口は、どの社会的選択決定が下されるかに基づいて、個々の課題のペアの有限のサンプルによって代表される。 代表的社会的選択における最も深い質問の多くは、統計的学習問題として自然に定式化できることを示す。 我々はさらに、社会選択の代表を定式化し、Arrowのような公理を一般化分析の新しいツールで証明する。
  論文  参考訳（メタデータ） (2024-10-31T14:07:26Z)
• Representation Bias in Political Sample Simulations with Large Language Models [54.48283690603358]
  本研究は,大規模言語モデルを用いた政治サンプルのシミュレーションにおけるバイアスの同定と定量化を目的とする。 GPT-3.5-Turboモデルを用いて、米国選挙研究、ドイツ縦割り選挙研究、ズオビアオデータセット、中国家族パネル研究のデータを活用する。
  論文  参考訳（メタデータ） (2024-07-16T05:52:26Z)
• Large language models for crowd decision making based on prompt design strategies using ChatGPT: models, analysis and challenges [8.107295925954475]
  クラウド意思決定(Crowd Decision Making、CDM)は、平易なテキストから意見や判断を推測できる方法論である。 大規模言語モデル(LLM)は、書かれたテキストを自動的に理解する新しいシナリオを探求するのに役立ちます。 本稿では、CDMプロセスにおける意見の抽出と意思決定を支援するための設計戦略に基づくChatGPTの使用について分析する。
  論文  参考訳（メタデータ） (2024-03-22T19:21:44Z)
• Generative Judge for Evaluating Alignment [84.09815387884753]
  本稿では,これらの課題に対処するために,13Bパラメータを持つ生成判断器Auto-Jを提案する。 我々のモデルは,大規模な実環境シナリオ下でのユーザクエリとLLM生成応答に基づいて訓練されている。 実験的に、Auto-Jはオープンソースモデルとクローズドソースモデルの両方を含む、強力なライバルのシリーズを上回っている。
  論文  参考訳（メタデータ） (2023-10-09T07:27:15Z)
• The Whole Truth and Nothing But the Truth: Faithful and Controllable Dialogue Response Generation with Dataflow Transduction and Constrained Decoding [65.34601470417967]
  本稿では,ニューラルネットワークモデリングとルールベース生成の強みを組み合わせた対話応答生成のためのハイブリッドアーキテクチャについて述べる。 本実験により, 本システムは, 流布性, 妥当性, 真理性の評価において, ルールベースおよび学習的アプローチの両方に優れることがわかった。
  論文  参考訳（メタデータ） (2022-09-16T09:00:49Z)
• Diverse Representation via Computational Participatory Elections -- Lessons from a Case Study [16.699381591572166]
  我々は、計算システムのサポートにより実装されたRepresentation Pactという、新しい参加型選挙プロセスを設計した。 このプロセスにより、投票者は第1ラウンドで表現基準を決め、第2ラウンドで候補者に投票することができる。 この2ラウンドの後、カウント法が適用され、第2ラウンドで受け取った票数を最大化する候補者の委員会が選択される。
  論文  参考訳（メタデータ） (2022-05-30T19:22:38Z)
• Few-Shot Self-Rationalization with Natural Language Prompts [29.23404535276466]
  タスクラベルを予測するセルフリレーゼーションモデルは、その予測のために自由テキストのエラボレートを生成する。 しかしながら、これらのモデルは、現在、タスクごとに大量の人書き自由テキスト説明で訓練されている。 少ない学習例を用いて,より現実的な自己合理化環境について検討することを提案する。
  論文  参考訳（メタデータ） (2021-11-16T08:21:40Z)
• Explaining Latent Representations with a Corpus of Examples [72.50996504722293]
  本稿では,サンプルベースの説明を自由に選択されたサンプル集合を参照して提供するユーザ中心の手法であるSimplExを提案する。 SimplExは、ポストホックな説明で潜伏空間に対するユーザの理解を改善するためにコーパスを使用する。 SimplExは,モデル表現を説明するコーパス内の関連パターンを強調表示することで,ユーザを力づけることを示す。
  論文  参考訳（メタデータ） (2021-10-28T17:59:06Z)
• Dialogue History Matters! Personalized Response Selectionin Multi-turn Retrieval-based Chatbots [62.295373408415365]
  本稿では,コンテキスト応答マッチングのためのパーソナライズドハイブリッドマッチングネットワーク(phmn)を提案する。 1) ユーザ固有の対話履歴からパーソナライズされた発話行動を付加的なマッチング情報として抽出する。 ユーザ識別による2つの大規模データセット,すなわちパーソナライズされた対話 Corpus Ubuntu (P-Ubuntu) とパーソナライズされたWeiboデータセット (P-Weibo) のモデルを評価する。
  論文  参考訳（メタデータ） (2021-03-17T09:42:11Z)
• Knowledgeable Dialogue Reading Comprehension on Key Turns [84.1784903043884]
  MRC(Multi-choice Machine reading comprehension)は、ある項目と質問に対する候補オプションから正しい回答を選択するモデルである。 本研究は,複数回対話を行う対話型MRCに焦点を当てている。 それは2つの課題に悩まされ、答えの選択決定は、最近役に立つコモンセンスをサポートせずに行われ、マルチターンコンテキストは、かなりの無関係な情報を隠蔽する可能性がある。
  論文  参考訳（メタデータ） (2020-04-29T07:04:43Z)
• Bridging the Gap: Providing Post-Hoc Symbolic Explanations for Sequential Decision-Making Problems with Inscrutable Representations [44.016120003139264]
  本稿では、逐次的意思決定設定のためのユーザ特定概念の観点から、コントラスト的な説明を提供する手法を提案する。 ユーザクエリに応答するために利用可能なタスクの局所近似の部分的記号モデルを構築することで、これを実現する。
  論文  参考訳（メタデータ） (2020-02-04T01:37:56Z)

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。