論文の概要: Algorithmic Persuasion Through Simulation
- arxiv url: http://arxiv.org/abs/2311.18138v2
- Date: Tue, 13 Feb 2024 22:31:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-15 18:53:53.601668
- Title: Algorithmic Persuasion Through Simulation
- Title(参考訳): シミュレーションによるアルゴリズムによる説得
- Authors: Keegan Harris, Nicole Immorlica, Brendan Lucier, Aleksandrs Slivkins
- Abstract要約: 本研究では,受信側が受信側を説得し,二元的行動を起こそうとするベイズ的説得問題について考察する。
顧客調査やユーザスタディ、最近のジェネレーティブAIの進歩に動機付けられ、送信側は受信者についてより深く学ぶことができる。
- 参考スコア(独自算出の注目度): 54.96278605678665
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study a Bayesian persuasion problem where a sender wants to persuade a
receiver to take a binary action, such as purchasing a product. The sender is
informed about the (binary) state of the world, such as whether the quality of
the product is high or low, but only has limited information about the
receiver's beliefs and utilities. Motivated by customer surveys, user studies,
and recent advances in generative AI, we allow the sender to learn more about
the receiver by querying an oracle that simulates the receiver's behavior.
After a fixed number of queries, the sender commits to a messaging policy and
the receiver takes the action that maximizes her expected utility given the
message she receives. We characterize the sender's optimal messaging policy
given any distribution over receiver types. We then design a polynomial-time
querying algorithm that optimizes the sender's expected utility in this
Bayesian persuasion game. We also consider approximate oracles, more general
query structures, and costly queries.
- Abstract(参考訳): 我々は,送信者が商品購入などのバイナリアクションを取るよう受信者に説得しようとするベイズ説得問題について検討する。
送信者は、製品の品質が高いか低いかなど、世界の(バイナリな)状態について通知されるが、受信者の信念やユーティリティに関する情報は限られている。
顧客調査やユーザスタディ、最近のジェネレーティブAIの進歩に動機付けられ、受信者の振る舞いをシミュレートする託宣をクエリすることで、送信側が受信者についてより深く学ぶことができる。
一定の数のクエリの後、送信側はメッセージポリシーにコミットし、受信側は受信したメッセージに対して期待するユーティリティを最大化するアクションを取る。
受信者タイプ上の配信が与えられた場合、送信者の最適なメッセージポリシーを特徴付ける。
次に,このベイズ型説得ゲームにおいて,送信者の期待効用を最適化する多項式時間問合せアルゴリズムを設計する。
また、近似オラクル、より一般的なクエリ構造、そしてコストのかかるクエリについても検討しています。
関連論文リスト
- Learning How to Strategically Disclose Information [6.267574471145217]
送信者が未知のタイプの受信機と対話する情報設計のオンライン版を考える。
我々は、$mathcalO(sqrtT)$ regretが完全な情報フィードバックで達成可能であることを示す。
また,一般凸ユーティリティ関数に対して$mathcalO(sqrtT)$ regretを送信者が達成できる新しいパラメトリゼーションを提案する。
論文 参考訳(メタデータ) (2024-03-13T17:44:16Z) - Markov Persuasion Processes: Learning to Persuade from Scratch [37.92189925462977]
ベイズによる説得では、情報発信者は、望ましい行動をとるよう説得するために、情報を受信者に戦略的に開示する。
我々は、部分的なフィードバックで作業する送信者のための学習アルゴリズムを設計する。
最適情報開示ポリシーに対する後悔はエピソード数で微妙に増加することを証明している。
論文 参考訳(メタデータ) (2024-02-05T15:09:41Z) - Persuading a Behavioral Agent: Approximately Best Responding and
Learning [7.378697321839991]
本研究では,受信機が送信者の信号処理方式にほぼ最もよく対応できるベイズ説得モデルの緩和について検討する。
自然な仮定の下では,送信側は,予測ユーティリティが最適ユーティリティとほぼ同等に優れたことを保証した信号処理方式を見つけることができることを示す。
論文 参考訳(メタデータ) (2023-02-07T19:12:46Z) - Sequential Information Design: Learning to Persuade in the Dark [49.437419242582884]
本研究では,自己関心の受信者の行動に影響を及ぼそうとする情報発信者が直面する繰り返し情報設計問題について検討する。
各ラウンドにおいて、送信者は、シーケンシャル意思決定(SDM)問題におけるランダムイベントの実現を観察する。
これは、そのような情報をレシーバーに段階的に開示し、彼らが(望まれる)アクションレコメンデーションに従うように説得する方法の課題である。
論文 参考訳(メタデータ) (2022-09-08T17:08:12Z) - Communication with Unreliable Entanglement Assistance [78.7611537027573]
絡み合い資源は伝達率を大幅に向上させることができる。
光通信のための絡み合いを生成するために、送信機はまず、絡み合った光子対を局所的に準備する。
フィードバックがなければ、送信機は、絡み合った光子が受信機に到達したかどうかを知らない。
論文 参考訳(メタデータ) (2021-12-16T22:24:56Z) - Multi-Receiver Online Bayesian Persuasion [51.94795123103707]
本研究では,未知の逆選択型の受信者に対して,送信者が繰り返し対面するオンライン学習フレームワークについて検討する。
オフラインモデルの慣習として、外部性やバイナリアクションのないケースに重点を置いています。
本稿では,損失関数を有限個に制限したオンライン学習問題に対処する一般的なオンライン降下スキームを提案する。
論文 参考訳(メタデータ) (2021-06-11T16:05:31Z) - Meaningful Answer Generation of E-Commerce Question-Answering [77.89755281215079]
eコマースポータルでは、製品関連の質問に対する回答を生成することが重要な課題となっている。
本稿では,MPAG(Meaningful Product Answer Generator)と呼ばれる新しい生成ニューラルモデルを提案する。
MPAGは、製品レビュー、製品属性、プロトタイプの回答を考慮に入れて、安全な回答問題を緩和します。
論文 参考訳(メタデータ) (2020-11-14T14:05:30Z) - Learning to Communicate and Correct Pose Errors [75.03747122616605]
本稿では、V2VNetで提案された設定について検討し、近くにある自動運転車が共同で物体検出と動き予測を協調的に行う方法を提案する。
本稿では,コミュニケーションを学習し,潜在的な誤りを推定し,それらの誤りについてコンセンサスを得るための新しいニューラルネットワーク推論フレームワークを提案する。
論文 参考訳(メタデータ) (2020-11-10T18:19:40Z)
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。