論文の概要: To Give or Not to Give? The Impacts of Strategically Withheld Recourse

• arxiv url: http://arxiv.org/abs/2504.05891v1
• Date: Tue, 08 Apr 2025 10:36:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-09 13:28:25.931289
• Title: To Give or Not to Give? The Impacts of Strategically Withheld Recourse
• Title（参考訳）: 与えようか、与えようか? : ストラテジカルな言い換えが与える影響
• Authors: Yatong Chen, Andrew Estornell, Yevgeniy Vorobeychik, Yang Liu,
• Abstract要約: Recourseは、より効果的な戦略的操作に使用できる意思決定プロセスに関する情報を提供する。 我々は,この緊張が合理的な実用性最大化システムにレコメンデーションを頻繁に抑制させ,人口利用率を低下させることを示した。 これらの効果を緩和するため, 合理的なシステムによる行動提供の促進に有効であると考えられるリコース助成金の役割について検討する。
• 参考スコア（独自算出の注目度）: 30.40274058030976
• License:
• Abstract: Individuals often aim to reverse undesired outcomes in interactions with automated systems, like loan denials, by either implementing system-recommended actions (recourse), or manipulating their features. While providing recourse benefits users and enhances system utility, it also provides information about the decision process that can be used for more effective strategic manipulation, especially when the individuals collectively share such information with each other. We show that this tension leads rational utility-maximizing systems to frequently withhold recourse, resulting in decreased population utility, particularly impacting sensitive groups. To mitigate these effects, we explore the role of recourse subsidies, finding them effective in increasing the provision of recourse actions by rational systems, as well as lowering the potential social cost and mitigating unfairness caused by recourse withholding.
• Abstract（参考訳）: 個人はしばしば、システム推奨アクション(リコース)を実装するか、機能を操作することによって、ローン拒否のような自動化システムとの相互作用における望ましくない結果の反転を目指す。 利用者にレコメンデーションの利益を提供し、システムユーティリティを強化する一方で、より効果的な戦略的操作に使用できる意思決定プロセスに関する情報も提供します。 この緊張は、合理的なユーティリティ最大化システムにおいて、頻繁にリコースを保留し、人口能率を低下させ、特にセンシティブなグループに影響を及ぼすことを示す。 これらの効果を緩和するために,リコース助成金の役割を探求し,合理的なシステムによるリコース行動の提供を高めるとともに,潜在的社会的コストの低減と,リコース保留による不公平さの軽減に有効であることを見出した。

関連論文リスト

• System-2 Recommenders: Disentangling Utility and Engagement in Recommendation Systems via Temporal Point-Processes [80.97898201876592]
  本稿では,過去のコンテンツインタラクションが,自己興奮型ホークスプロセスに基づくユーザの到着率に影響を及ぼす生成モデルを提案する。 そこで本研究では,システム1とシステム2のアンタングルを解消し,ユーザ利用によるコンテンツ最適化を可能にすることを解析的に示す。
  論文  参考訳（メタデータ） (2024-05-29T18:19:37Z)
• Reduced-Rank Multi-objective Policy Learning and Optimization [57.978477569678844]
  実際には、因果研究者は先験を念頭において1つの結果を持っていない。 政府支援の社会福祉プログラムでは、政策立案者は貧困の多次元的性質を理解するために多くの成果を集めている。 本稿では、最適政策学習の文脈において、複数の結果に対するデータ駆動型次元性推論手法を提案する。
  論文  参考訳（メタデータ） (2024-04-29T08:16:30Z)
• Causal Disentanglement for Regulating Social Influence Bias in Social Recommendation [12.120586712440673]
  ソーシャルレコメンデーションシステムは、社会的影響バイアスの問題に直面しており、友人が交流したアイテムの推薦に過大評価される可能性がある。 本稿では,CDRSBというソーシャルレコメンデーションにおけるソーシャルインフルエントバイアスの規制のための因果ディスタングルに基づくフレームワークを提案し,レコメンデーション性能の向上を図る。
  論文  参考訳（メタデータ） (2024-03-06T09:48:48Z)
• Incentivized Communication for Federated Bandits [67.4682056391551]
  我々は,サーバがインセンティブを提供することでクライアントにデータを共有する動機付けを行う,フェデレートされた盗賊に対するインセンティブ付きコミュニケーション問題を導入する。 本稿では,実証可能な通信とインセンティブコスト保証により,ほぼ最適の後悔を実現する,最初のインセンティブ付き通信プロトコルであるInc-FedUCBを提案する。
  論文  参考訳（メタデータ） (2023-09-21T00:59:20Z)
• Causal Fairness for Outcome Control [68.12191782657437]
  本稿では,自動システムにおいて,公平かつ公平な結果変数を最適化することを目的とした,結果制御と呼ばれる特定の意思決定タスクについて検討する。 本稿では、まず因果レンズを通して利益の概念を分析し、特定の個人が肯定的な決定によってどれだけの利益を得られるかを明らかにする。 次に、保護された属性の影響を受けている可能性があることに留意し、これを分析するために使用できる因果的ツールを提案する。
  論文  参考訳（メタデータ） (2023-06-08T09:31:18Z)
• Incentivising cooperation by rewarding the weakest member [0.0]
  欲張り戦略は全てのエージェントの ポジティブな結果を減らせる 複雑な状況では、公平な振る舞いよりも利己的な戦略のために機械学習の目的を設計することがはるかに容易である。 これは、より公平な振る舞いをもたらすと同時に、個人の成果を最大化することを示す。
  論文  参考訳（メタデータ） (2022-10-04T14:03:37Z)
• Collaborative Decision Making Using Action Suggestions [41.013477422930755]
  本稿では,行動選択を改善する行動提案を通じて協調的意思決定の手法を定式化する。 提案手法では,提案によって共有される暗黙の情報を組み込んで,エージェントの信念を変更する。 協調環境の仮定により,エージェントのポリシーを用いて行動提案よりも分布を推定することができる。
  論文  参考訳（メタデータ） (2022-09-27T05:16:41Z)
• GAC: A Deep Reinforcement Learning Model Toward User Incentivization in Unknown Social Networks [3.3946853660795884]
  本稿では,GAC(Geometric Actor-Critic)と呼ばれるエンドツーエンドの強化学習に基づくフレームワークを提案する。 提案したGACの性能を評価するために,実世界の3つのソーシャルネットワークデータセットを用いた。
  論文  参考訳（メタデータ） (2022-03-17T19:41:49Z)
• Identifying Influential Users in Unknown Social Networks for Adaptive Incentive Allocation Under Budget Restriction [24.793013471521924]
  インセンティブ化はユーザの行動に影響を与えるためのより積極的な方法であることが証明されている。 未知ネットワークにおける影響力のあるユーザを探索するための新しいアルゴリズムを提案する。 ユーザの好みと影響能力に基づいてインセンティブ値を決定する適応型インセンティブアロケーション・アプローチを設計する。
  論文  参考訳（メタデータ） (2021-07-13T11:20:10Z)
• Overcoming Failures of Imagination in AI Infused System Development and Deployment [71.9309995623067]
  NeurIPS 2020は研究論文に「潜在的な悪用と失敗の結果」に関するインパクトステートメントを含むよう要求した。 我々は、害の枠組みは文脈に適応し、潜在的な利害関係者、システム余裕、および最も広い意味での害を評価するための実行可能なプロキシを考える必要があると論じている。
  論文  参考訳（メタデータ） (2020-11-26T18:09:52Z)

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。