論文の概要: Fair Division with Market Values

• arxiv url: http://arxiv.org/abs/2410.23137v1
• Date: Wed, 30 Oct 2024 15:52:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-31 14:26:50.772211
• Title: Fair Division with Market Values
• Title（参考訳）: 市場価値の公平な部門
• Authors: Siddharth Barman, Soroush Ebadian, Mohamad Latifian, Nisarg Shah,
• Abstract要約: 市場価値の公平な分割モデルを導入する。 不特定商品は、(追加的な)主観的評価を持つエージェントに分割されなければならない。 市場のバリュエーションは、すべてのエージェントで同一に保持される別の追加的バリュエーションと見なすことができる。
• 参考スコア（独自算出の注目度）: 33.06877540319111
• License:
• Abstract: We introduce a model of fair division with market values, where indivisible goods must be partitioned among agents with (additive) subjective valuations, and each good additionally has a market value. The market valuation can be viewed as a separate additive valuation that holds identically across all the agents. We seek allocations that are simultaneously fair with respect to the subjective valuations and with respect to the market valuation. We show that an allocation that satisfies stochastically-dominant envy-freeness up to one good (SD-EF1) with respect to both the subjective valuations and the market valuation does not always exist, but the weaker guarantee of EF1 with respect to the subjective valuations along with SD-EF1 with respect to the market valuation can be guaranteed. We also study a number of other guarantees such as Pareto optimality, EFX, and MMS. In addition, we explore non-additive valuations and extend our model to cake-cutting. Along the way, we identify several tantalizing open questions.
• Abstract（参考訳）: 市場価値を持つ公平な区分のモデルを導入し、不特定商品を(付加的な)主観的評価を持つエージェントに分割し、それぞれが市場価値を持つようにした。 市場のバリュエーションは、すべてのエージェントで同一に保持される別の追加的バリュエーションと見なすことができる。 主観的評価と市場評価に関して同時に公平なアロケーションを求めます。 主観的評価と市場評価の両方に関して、確率的に支配的なエンビーフリーネスを1つの善(SD-EF1)まで満たすアロケーションは、常に存在するわけではないが、市場評価に関して、主観的評価とSD-EF1に関するEF1の弱い保証が保証される。 また,ParetoOptimity,EFX,MMSなどの保証も検討している。 さらに、付加的でない評価を探求し、モデルをケーキカットに拡張します。 途中で、私たちはいくつかの具体的なオープンな質問を特定します。

関連論文リスト

• CompassJudger-1: All-in-one Judge Model Helps Model Evaluation and Evolution [74.41064280094064]
  textbfJudger-1は、最初のオープンソースのtextbfall-in-one judge LLMである。 CompassJudger-1は、優れた汎用性を示す汎用LLMである。 textbfJudgerBenchは、様々な主観評価タスクを含む新しいベンチマークである。
  論文  参考訳（メタデータ） (2024-10-21T17:56:51Z)
• Trust or Escalate: LLM Judges with Provable Guarantees for Human Agreement [49.15348173246146]
  人間の合意を厳格に保証したLCMに基づく評価を提供するための原則的アプローチを提案する。 まず、信頼度評価手法は、ペア評価にモデル選好を不クリティカルに頼ってはならないことを提案する。 そして、この選択的な評価枠組みの下で、人的合意が確実に保証されることを示す。
  論文  参考訳（メタデータ） (2024-07-25T20:04:59Z)
• Prometheus 2: An Open Source Language Model Specialized in Evaluating Other Language Models [92.66784679667441]
  プロメテウス2は、人間とGPT-4の判断を密接に反映するより強力な評価器である。 ユーザ定義評価基準でグループ化された、直接評価とペアのランキングフォーマットの両方を処理できる。 4つの直接評価ベンチマークと4つのペアのランキングベンチマークで、Prometheus 2は人間と独自のLM判事との相関と合意を最も高く評価している。
  論文  参考訳（メタデータ） (2024-05-02T17:59:35Z)
• Evaluating the Fairness of Discriminative Foundation Models in Computer Vision [51.176061115977774]
  本稿では,CLIP (Contrastive Language-Pretraining) などの差別基盤モデルのバイアス評価のための新しい分類法を提案する。 そして、これらのモデルにおけるバイアスを緩和するための既存の手法を分類学に関して体系的に評価する。 具体的には,ゼロショット分類,画像検索,画像キャプションなど,OpenAIのCLIPとOpenCLIPモデルをキーアプリケーションとして評価する。
  論文  参考訳（メタデータ） (2023-10-18T10:32:39Z)
• GREAT Score: Global Robustness Evaluation of Adversarial Perturbation using Generative Models [60.48306899271866]
  GREATスコア(GREAT Score)と呼ばれる新しいフレームワークを提案する。 我々は,ロバストベンチにおける攻撃ベースモデルと比較し,高い相関性を示し,GREATスコアのコストを大幅に削減した。 GREAT Scoreは、プライバシーに敏感なブラックボックスモデルのリモート監査に使用することができる。
  論文  参考訳（メタデータ） (2023-04-19T14:58:27Z)
• A Unified Representation Framework for Rideshare Marketplace Equilibrium and Efficiency [1.9798034349981162]
  本稿では、市場における需給状態と効率を定量化するための、グラフベースの均衡計量(GEM)に基づく統一的なフレームワークを提案する。 我々は、ライドシェア市場均衡の二重パースペクティブ表現である新しいSD-GEMを開発する。
  論文  参考訳（メタデータ） (2023-02-28T07:22:30Z)
• 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)
• Intelligent Trading Systems: A Sentiment-Aware Reinforcement Learning Approach [11.09729362243947]
  本稿では市場ムードを活用して利益の安定を図るセンティメント・アウェア・RL(SentARL)インテリジェントトレーディングシステムを提案する。 本稿では,SentARLのベースラインに対する一貫した有効性を示す。
  論文  参考訳（メタデータ） (2021-11-14T16:30:45Z)
• Beating the market with a bad predictive model [0.0]
  我々は、価格予測モデルに完全に劣る体系的な利益を一般的に得ることを証明している。 鍵となるアイデアは、予測モデルのトレーニング目標を変更して、それを市場から明示的にデコレーションすることだ。
  論文  参考訳（メタデータ） (2020-10-23T16:20:35Z)

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。