論文の概要: Hiring under Congestion and Algorithmic Monoculture: Value of Strategic Behavior

• arxiv url: http://arxiv.org/abs/2502.20063v1
• Date: Thu, 27 Feb 2025 13:11:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-28 14:59:08.322503
• Title: Hiring under Congestion and Algorithmic Monoculture: Value of Strategic Behavior
• Title（参考訳）: 混雑下での雇用とアルゴリズムによるモノカルチャー:戦略行動の価値
• Authors: Jackie Baek, Hamsa Bastani, Shihan Chen,
• Abstract要約: 企業が応募者の共有プールから雇用を競うような環境での戦略的行動の影響について検討する。 面接に合格した者には求職申し込みが与えられ、複数の申し込みを受けた応募者がランダムにその1つを受諾する。
• 参考スコア（独自算出の注目度）: 4.424170214926035
• License:
• Abstract: We study the impact of strategic behavior in a setting where firms compete to hire from a shared pool of applicants, and firms use a common algorithm to evaluate them. Each applicant is associated with a scalar score that is observed by all firms, provided by the algorithm. Firms simultaneously make interview decisions, where the number of interviews is capacity-constrained. Job offers are given to those who pass the interview, and an applicant who receives multiple offers accepts one of them uniformly at random. We fully characterize the set of Nash equilibria under this model. Defining social welfare as the total number of applicants who find a job, we then compare the social welfare at a Nash equilibrium to a naive baseline where all firms interview applicants with the highest scores. We show that the Nash equilibrium greatly improves upon social welfare compared to the naive baseline, especially when the interview capacity is small and the number of firms is large. We also show that the price of anarchy is small, providing further appeal for the equilibrium solution. We then study how the firms may converge to a Nash equilibrium. We show that when firms make interview decisions sequentially and each firm takes the best response action assuming they are the last to act, this process converges to an equilibrium when interview capacities are small. However, we show that the task of computing the best response is difficult if firms have to use its own historical samples to estimate it, while this task becomes trivial if firms have information on the degree of competition for each applicant. Therefore, converging to an equilibrium can be greatly facilitated if firms have information on the level of competition for each applicant.
• Abstract（参考訳）: 企業が応募者の共有プールから採用を競うような環境では,戦略行動の影響について検討し,その評価に共通アルゴリズムを用いる。 各応募者は、アルゴリズムによって提供されるすべての企業によって観察されるスカラースコアに関連付けられている。 企業の面接決定は同時に行われ、面接の数は制限される。 面接に合格した者には求職申し込みが与えられ、複数の申し込みを受けた応募者がランダムにその1つを受諾する。 このモデルの下では、ナッシュ均衡の集合を完全に特徴づける。 社会福祉を求職者の総数として定義すると、ナッシュ均衡における社会福祉を、すべての企業が求職者を最も高いスコアで面接するナイーブベースラインと比較する。 ナッシュ均衡はナイーブベースラインに比べて社会福祉において著しく改善され、特に面接能力が小さく、企業数が多い場合に顕著に改善されることを示す。 また、アナーキーの価格が小さく、平衡解にさらなる魅力をもたらすことも示している。 次に、これらの企業がナッシュ均衡にどのように収束するかを研究する。 我々は、企業がインタビュー決定を逐次行い、各企業が最後に行動したと仮定して、最高の対応措置をとると、面接能力が小さい場合には、このプロセスは均衡に収束することを示す。 しかし,各応募者毎の競争の度合いに関する情報が得られれば,企業が独自の履歴サンプルを用いて見積もる場合には,ベストレスポンスの計算が困難であることが示される。 したがって、企業が各申請者に対する競争のレベルに関する情報を持っている場合、均衡への収束が大幅に促進される。

関連論文リスト

• Multi-Agent Performative Prediction Beyond the Insensitivity Assumption: A Case Study for Mortgage Competition [9.76109892287411]
  不感な仮定が持たないパフォーマンス予測の代表的な設定について検討する。 私たちは「バンクゲーム」と呼ぶ特定のゲームに焦点を当てています 我々の分析は、このゲームの平衡を特徴付け、両企業が共通かつ自然な非回帰学習ダイナミクスを使用する場合、そのダイナミクスは常に安定な結果に収束することを示した。
  論文  参考訳（メタデータ） (2025-02-12T02:04:46Z)
• Putting Gale & Shapley to Work: Guaranteeing Stability Through Learning [14.448192914855674]
  両面のマッチング市場は、市場の片側からの参加者が好みに応じて反対側からの参加者と一致しなければならない、一連の問題を記述している。 我々は安定解の構造を利用して、安定解を見つける可能性を改善するアルゴリズムを考案する。
  論文  参考訳（メタデータ） (2024-10-06T06:47:53Z)
• Actions Speak What You Want: Provably Sample-Efficient Reinforcement Learning of the Quantal Stackelberg Equilibrium from Strategic Feedbacks [94.07688076435818]
  本研究では,量子スタックルバーグ平衡(QSE)学習のための強化学習を,リーダ・フォロワー構造を持つエピソディックマルコフゲームで研究する。 このアルゴリズムは, (i) 最大推定による量子応答モデル学習と (ii) リーダーの意思決定問題を解決するためのモデルフリーまたはモデルベースRLに基づく。
  論文  参考訳（メタデータ） (2023-07-26T10:24:17Z)
• Differentiable Arbitrating in Zero-sum Markov Games [59.62061049680365]
  ゼロサムマルコフゲームにおいて、2人のプレイヤーが望ましいナッシュ均衡、すなわち仲裁を誘導する報酬を摂動する方法を研究する。 低いレベルでは、与えられた報酬関数の下でのナッシュ均衡の解決が必要であり、それによって全体的な問題をエンドツーエンドで最適化することが難しくなる。 上層階の勾配フィードバックを提供するナッシュ平衡を微分するバックプロパゲーション方式を提案する。
  論文  参考訳（メタデータ） (2023-02-20T16:05:04Z)
• Game-Theoretical Perspectives on Active Equilibria: A Preferred Solution Concept over Nash Equilibria [61.093297204685264]
  マルチエージェント強化学習における効果的なアプローチは,エージェントの学習プロセスを検討し,今後の政策に影響を与えることである。 この新たな解の概念は、ナッシュ均衡のような標準解の概念が活性平衡の特別な場合である、という一般的なものである。 我々は,ゲーム理論の観点から,ナッシュ平衡が知られている実例を綿密に研究することにより,アクティブ平衡を解析する。
  論文  参考訳（メタデータ） (2022-10-28T14:45:39Z)
• Specification-Guided Learning of Nash Equilibria with High Social Welfare [21.573746897846114]
  ナッシュ均衡を形成する共同政策を訓練するための新しい強化学習フレームワークを提案する。 このアルゴリズムは高い社会福祉と均衡政策を計算しているのに対し、最先端のベースラインはナッシュ均衡の計算に失敗したり、比較的低い社会福祉の計算に失敗したりする。
  論文  参考訳（メタデータ） (2022-06-06T16:06:31Z)
• Personalized incentives as feedback design in generalized Nash equilibrium problems [6.10183951877597]
  定常および時間変化の非単調なナッシュ平衡問題について検討する。 半分散Nash平衡探索アルゴリズムを設計する。 いくつかの企業が提供している配車サービスについては,サービスオーケストレーションとして検討しています。
  論文  参考訳（メタデータ） (2022-03-24T09:24:29Z)
• Efficient Model-based Multi-agent Reinforcement Learning via Optimistic Equilibrium Computation [93.52573037053449]
  H-MARL (Hallucinated Multi-Agent Reinforcement Learning) は,環境と数回交流した後の平衡政策を学習する。 自律運転シミュレーションベンチマークにおいて,本手法を実験的に実証した。
  論文  参考訳（メタデータ） (2022-03-14T17:24:03Z)
• Sample-Efficient Learning of Stackelberg Equilibria in General-Sum Games [78.65798135008419]
  一般的なゲームでStackelberg平衡を効率的に学習する方法は、サンプルから非常にオープンなままです。 本稿では,2プレーヤターンベース汎用ゲームにおけるStackelberg平衡のサンプル効率学習に関する理論的研究を開始する。
  論文  参考訳（メタデータ） (2021-02-23T05:11:07Z)
• On Information Asymmetry in Competitive Multi-Agent Reinforcement Learning: Convergence and Optimality [78.76529463321374]
  協調的でない2つのQ-ラーニングエージェントの相互作用システムについて検討する。 この情報非対称性は、集団学習の安定した結果をもたらす可能性があることを示す。
  論文  参考訳（メタデータ） (2020-10-21T11:19:53Z)

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。