論文の概要: Language Models Can Reduce Asymmetry in Information Markets
- arxiv url: http://arxiv.org/abs/2403.14443v1
- Date: Thu, 21 Mar 2024 14:48:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-22 13:49:29.249328
- Title: Language Models Can Reduce Asymmetry in Information Markets
- Title(参考訳): 言語モデルによる情報市場における非対称性の低減
- Authors: Nasim Rahaman, Martin Weiss, Manuel Wüthrich, Yoshua Bengio, Li Erran Li, Chris Pal, Bernhard Schölkopf,
- Abstract要約: 我々は、言語モデルを利用した知的エージェントが外部参加者に代わって情報を売買する、オープンソースのシミュレートされたデジタルマーケットプレースを紹介した。
このマーケットプレースを実現する中心的なメカニズムはエージェントの二重機能であり、特権情報の品質を評価する能力を持つと同時に、忘れる能力も備えている。
適切に行動するためには、エージェントは合理的な判断をし、生成されたサブクエリを通じて市場を戦略的に探索し、購入した情報から回答を合成する必要がある。
- 参考スコア(独自算出の注目度): 100.38786498942702
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work addresses the buyer's inspection paradox for information markets. The paradox is that buyers need to access information to determine its value, while sellers need to limit access to prevent theft. To study this, we introduce an open-source simulated digital marketplace where intelligent agents, powered by language models, buy and sell information on behalf of external participants. The central mechanism enabling this marketplace is the agents' dual capabilities: they not only have the capacity to assess the quality of privileged information but also come equipped with the ability to forget. This ability to induce amnesia allows vendors to grant temporary access to proprietary information, significantly reducing the risk of unauthorized retention while enabling agents to accurately gauge the information's relevance to specific queries or tasks. To perform well, agents must make rational decisions, strategically explore the marketplace through generated sub-queries, and synthesize answers from purchased information. Concretely, our experiments (a) uncover biases in language models leading to irrational behavior and evaluate techniques to mitigate these biases, (b) investigate how price affects demand in the context of informational goods, and (c) show that inspection and higher budgets both lead to higher quality outcomes.
- Abstract(参考訳): 本研究は、情報市場における買い手の検査パラドックスに対処する。
パラドックスは、買い手はその価値を決定するために情報にアクセスする必要があり、売り手は盗難を防ぐためにアクセスを制限する必要があることである。
そこで我々は,言語モデルを利用した知的エージェントが,外部参加者に代わって情報を売買・販売する,オープンソースのシミュレート・デジタル・マーケットプレースを紹介した。
このマーケットプレースを実現する中心的なメカニズムはエージェントの二重機能であり、それらは特権情報の品質を評価する能力を持つだけでなく、忘れる能力も備えている。
このアムネシアを誘発する能力により、ベンダーはプロプライエタリな情報への一時的なアクセスを許可することができ、許可されていない保持のリスクを著しく低減し、エージェントは特定のクエリやタスクに対する情報の関連性を正確に評価することができる。
適切に行動するためには、エージェントは合理的な判断をし、生成されたサブクエリを通じて市場を戦略的に探索し、購入した情報から回答を合成する必要がある。
具体的には、我々の実験
(a)不合理な行動につながる言語モデルのバイアスを明らかにし、これらのバイアスを軽減する技術を評価する。
ロ 情報商品の文脈において、物価が需要にどう影響するか、及び
(c) 検査と高い予算の両方がより高い品質の成果をもたらすことを示す。
関連論文リスト
- Federated Learning Incentive Mechanism under Buyers' Auction Market [2.316580879469592]
オークションベースのフェデレートラーニング(AFL)は、利己的なデータコンシューマとデータオーナ間のオープンなコラボレーションを可能にする。
我々は、購入者の市場における価格変動を説明するために、調達オークションの枠組みに適応する。
信頼性とデータ品質の高いクライアントを選択し、外部からの攻撃を防ぐために、ブロックチェーンベースの評判メカニズムを利用する。
論文 参考訳(メタデータ) (2023-09-10T16:09:02Z) - Thrust: Adaptively Propels Large Language Models with External Knowledge [58.72867916604562]
大規模事前学習言語モデル(PTLM)は、モデルパラメータの豊富な知識を符号化する。
PTLMの固有の知識は不透明または静的であり、外部の知識を必要とする。
本稿では,外部知識のインスタンスレベル適応推進(IAPEK)を提案する。
論文 参考訳(メタデータ) (2023-07-19T20:16:46Z) - Equilibrium of Data Markets with Externality [5.383900608313559]
私たちは、売り手が固定価格を投稿し、買い手は売り手から自由に購入できる現実世界のデータ市場をモデル化します。
ここで重要な要素は、データ購入によって互いに負の外部性バイヤーが引き起こされることだ。
我々は、取引コストを通じて介入するプラットフォームが、強力な福祉保証を備えた純粋な均衡につながることを証明している。
論文 参考訳(メタデータ) (2023-02-16T00:57:49Z) - Machine Learning in Transaction Monitoring: The Prospect of xAI [0.0]
本研究では、機械学習が自動化と拡張がトランザクションモニタリングプロセスにどのように影響するかを検討する。
xAI 要求は TM プロセスの責任者に依存しており,TM の強化や自動化によって変化する。
結果から, ML の TM への導入を適切に促進するための, xAI のユースケース固有のアプローチが示唆された。
論文 参考訳(メタデータ) (2022-10-14T08:58:35Z) - Augmented cross-selling through explainable AI -- a case from energy
retailing [0.0]
エネルギー小売店の顧客220,185件のデータを分析し、最大86%の正当性(AUC)でクロス購入を予測し、XAI法SHAPが実際の購入者に対する説明を提供することを示す。
さらに,情報システム,XAI,関係マーケティングにおける研究の意義について概説する。
論文 参考訳(メタデータ) (2022-08-24T09:51:52Z) - Application of Causal Inference to Analytical Customer Relationship
Management in Banking and Insurance [6.228766191647919]
統計学において、因果関係は長年研究され、応用されてきたが、人工知能(AI)についてはあまり詳細には研究されていない。
本研究では、分析的顧客関係管理問題を解決するための説明可能性を提供するために、因果推論の原則を適用した。
ローンのデフォルト、保険詐欺検出、クレジットカード詐欺検出データセットの良質な対策が作成された。
論文 参考訳(メタデータ) (2022-08-19T05:57:58Z) - OSOUM Framework for Trading Data Research [79.0383470835073]
私たちは、私たちの知る限り、最初のオープンソースのシミュレーションプラットフォームであるOpen SOUrce Market Simulator(OSOUM)を提供して、トレーディング市場、特にデータ市場を分析します。
我々は、購入に利用可能なさまざまなデータセットを所有する売り手と、購入に有効な適切なデータセットを検索する買い手という2つのタイプのエージェントからなる、特定のデータ市場モデルを記述し、実装する。
データ市場を扱うための商用フレームワークはすでに存在していますが、購入者および販売者の両方が(データ)市場に参加することの可能な振る舞いをシミュレートするための、自由で広範なエンドツーエンドの研究ツールを提供しています。
論文 参考訳(メタデータ) (2021-02-18T09:20:26Z) - Explanations of Machine Learning predictions: a mandatory step for its
application to Operational Processes [61.20223338508952]
信用リスクモデリングは重要な役割を果たす。
近年,機械学習や深層学習の手法が採用されている。
この分野における説明可能性問題に LIME 手法を適用することを提案する。
論文 参考訳(メタデータ) (2020-12-30T10:27:59Z) - Uncertainty as a Form of Transparency: Measuring, Communicating, and
Using Uncertainty [66.17147341354577]
我々は,モデル予測に関連する不確実性を推定し,伝達することにより,相補的な透明性の形式を考えることについて議論する。
モデルの不公平性を緩和し、意思決定を強化し、信頼できるシステムを構築するために不確実性がどのように使われるかを説明する。
この研究は、機械学習、可視化/HCI、デザイン、意思決定、公平性にまたがる文学から引き出された学際的レビューを構成する。
論文 参考訳(メタデータ) (2020-11-15T17:26:14Z) - Trustworthy AI [75.99046162669997]
入力データの小さな敵対的変化への脆さ、決定の説明能力、トレーニングデータのバイアスに対処する能力は、最も顕著な制限である。
我々は,AIシステムに対するユーザおよび公的な信頼を高める上での6つの重要な問題に対処するために,信頼に値するAIに関するチュートリアルを提案する。
論文 参考訳(メタデータ) (2020-11-02T20:04:18Z)
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。