論文の概要: Learning to Manipulate under Limited Information

• arxiv url: http://arxiv.org/abs/2401.16412v2
• Date: Tue, 16 Apr 2024 00:49:53 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-17 23:15:44.758225
• Title: Learning to Manipulate under Limited Information
• Title（参考訳）: 限られた情報の下で操作する学習
• Authors: Wesley H. Holliday, Alexander Kristoffersen, Eric Pacuit,
• Abstract要約: 私たちは、26サイズの70,000以上のニューラルネットワークをトレーニングし、8つの異なる投票方法に対処しました。 ボルダなど一部の投票手法は限られた情報を持つネットワークで高度に操作可能であるのに対して、Instant Runoffのような投票手法はそうではない。
• 参考スコア（独自算出の注目度）: 44.99833362998488
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: By classic results in social choice theory, any reasonable preferential voting method sometimes gives individuals an incentive to report an insincere preference. The extent to which different voting methods are more or less resistant to such strategic manipulation has become a key consideration for comparing voting methods. Here we measure resistance to manipulation by whether neural networks of varying sizes can learn to profitably manipulate a given voting method in expectation, given different types of limited information about how other voters will vote. We trained over 70,000 neural networks of 26 sizes to manipulate against 8 different voting methods, under 6 types of limited information, in committee-sized elections with 5-21 voters and 3-6 candidates. We find that some voting methods, such as Borda, are highly manipulable by networks with limited information, while others, such as Instant Runoff, are not, despite being quite profitably manipulated by an ideal manipulator with full information. For the two probability models for elections that we use, the overall least manipulable of the 8 methods we study are Condorcet methods, namely Minimax and Split Cycle.
• Abstract（参考訳）: 社会的選択論における古典的な結果により、合理的な選好投票法は、時には個人に不適切な選好を報告するインセンティブを与える。 このような戦略的な操作に対して、投票方法が多かれ少なかれ抵抗的である程度は、投票方法の比較において重要な考慮事項となっている。 ここでは,異なる大きさのニューラルネットワークが,他の有権者の投票方法に関して,さまざまな種類の制限のある情報を考慮し,所定の投票方法の利益性向上を学べるかどうかによって,操作に対する抵抗を測定する。 5～21人の有権者と3～6人の候補者による委員会規模の選挙において、6種類の制限情報の下で8種類の投票方法を操作するために、26のサイズの70,000以上のニューラルネットワークをトレーニングした。 ボルダのような投票手法は限られた情報を持つネットワークで高度に操作可能であるのに対して、インスタント・ランオフのような他の手法は、完全な情報を持つ理想的なマニピュレータによって非常に利益を上げているにもかかわらず、そうではない。 選挙のための2つの確率モデルについて、私たちが研究している8つの方法のうち、全体としては、Minimax と Split Cycle のコンドルセット法である。

関連論文リスト

• Improving the Computational Efficiency of Adaptive Audits of IRV Elections [54.427049258408424]
  AWAIREは、任意の数の候補でIRVコンテストを監査できるが、当初の実装では、候補数とともに指数関数的に増加するメモリと計算コストが増大していた。 本稿では,従来の6候補と比較して,55候補のIRVコンテストを実際に実施する3つの方法で,AWAIREのアルゴリズム実装を改善した。
  論文  参考訳（メタデータ） (2024-07-23T13:28:00Z)
• 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)
• Efficient Weighting Schemes for Auditing Instant-Runoff Voting Elections [57.67176250198289]
  AWAIREは、適応的に重み付けされたテスト統計量であり、本質的には、テストに有効な仮説のセットを「学習」する。 我々は、より広範囲にスキームと設定を検討し、実践のための効率的な選択を特定し、推奨する。 現在のAWAIRE実装の制限は、少数の候補者に限られている。
  論文  参考訳（メタデータ） (2024-02-18T10:13:01Z)
• Adaptively Weighted Audits of Instant-Runoff Voting Elections: AWAIRE [61.872917066847855]
  即時投票(IRV)選挙の監査方法は、リスク制限や、各投票における投票の電子的記録であるキャスト投票記録(CVR)を必要とするものではない。 我々は,CVRが利用できない場合に,適応的に重み付けされたテストスーパーマーチンガルを用いてITV選挙を効率よく監査するRLA手法を開発した。
  論文  参考訳（メタデータ） (2023-07-20T15:55:34Z)
• Candidate Incentive Distributions: How voting methods shape electoral incentives [0.0]
  Instant Runoff Votingは、Plurality Votingよりも幅広い有権者にアピールするよう、候補者にインセンティブを与える。 コンドルチェット法とSTAR (Score Then Automatic Runoff) Votingが最もバランスのとれたインセンティブを提供する。
  論文  参考訳（メタデータ） (2023-06-12T14:32:46Z)
• Obvious Manipulability of Voting Rules [105.35249497503527]
  Gibbard-Satterthwaite の定理は、全会一致で非独裁的な投票規則は、戦略的なものではないと述べる。 我々は投票規則を再検討し、明らかでない操作性という戦略的安全性の弱い概念を考察する。
  論文  参考訳（メタデータ） (2021-11-03T02:41:48Z)
• An algorithm for a fairer and better voting system [0.0]
  本稿は、投票者を代表する最適な候補を見つけることの課題を解決することを目的とした、新しい、より優れた投票システムについて述べる。 私たちは、人工知能に基づいた選挙の現実的なシミュレーションを行うためのソースコードをGitHubに公開しています。 我々は、我々のアルゴリズムがInstant-Runoff Voting、Preferential Block Voting、Single Transferable Vote、First Past The Postよりも優れているという確証を持っている。
  論文  参考訳（メタデータ） (2021-10-13T22:34:49Z)
• Learning to Elect [7.893831644671976]
  投票システムには、推薦システム、ウェブ検索、製品デザイン、選挙など幅広いアプリケーションがある。 本研究では,セットトランスフォーマーや完全連結グラフネットワーク,DeepSetsといったセットインプットニューラルネットワークアーキテクチャが,理論的にも経験的にも投票ルールの学習に適していることを示す。
  論文  参考訳（メタデータ） (2021-08-05T17:55:46Z)
• Modeling Voters in Multi-Winner Approval Voting [24.002910959494923]
  我々は,不確実性の度合いの異なる単入投票と多入投票の投票行動について検討した。 概して、人々はより良い結果を得るために投票を操作しているが、しばしば最適な操作を特定できない。 本稿では,勝利集合の大きさと人間の認知的制約を考慮に入れた新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-12-04T19:24:28Z)

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。