論文の概要: Argumentatively Coherent Judgmental Forecasting

• arxiv url: http://arxiv.org/abs/2507.23163v1
• Date: Wed, 30 Jul 2025 23:58:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-01 17:19:08.914458
• Title: Argumentatively Coherent Judgmental Forecasting
• Title（参考訳）: 代名詞的コヒーレントな判断予測
• Authors: Deniz Gorur, Antonio Rago, Francesca Toni,
• Abstract要約: 我々は議論的コヒーレンスの性質を擁護し、正式に定義する。 不整合予測のフィルタリングは予測精度を一貫して向上させることを示す。 これは、議論に基づく判断予測において、一貫性のない意見をフィルタリングするメカニズムを統合する必要があることを示している。
• 参考スコア（独自算出の注目度）: 13.669086396407057
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Judgmental forecasting employs human opinions to make predictions about future events, rather than exclusively historical data as in quantitative forecasting. When these opinions form an argumentative structure around forecasts, it is useful to study the properties of the forecasts from an argumentative perspective. In this paper, we advocate and formally define a property of argumentative coherence, which, in essence, requires that a forecaster's reasoning is coherent with their forecast. We then conduct three evaluations with our notion of coherence. First, we assess the impact of enforcing coherence on human forecasters as well as on Large Language Model (LLM)-based forecasters, given that they have recently shown to be competitive with human forecasters. In both cases, we show that filtering out incoherent predictions improves forecasting accuracy consistently, supporting the practical value of coherence in both human and LLM-based forecasting. Then, via crowd-sourced user experiments, we show that, despite its apparent intuitiveness and usefulness, users do not generally align with this coherence property. This points to the need to integrate, within argumentation-based judgmental forecasting, mechanisms to filter out incoherent opinions before obtaining group forecasting predictions.
• Abstract（参考訳）: 判断的予測は、定量的予測のような歴史的データに限らず、将来の出来事を予測するために人間の意見を取り入れている。 これらの意見が予測に関する議論的構造を形成するとき、議論的視点から予測の特性を研究することは有用である。 本稿では,議論的コヒーレンスの性質を提唱し,正式に定義する。 次に、コヒーレンスの概念で3つの評価を行う。 まず,人間の予測者に対するコヒーレンスを強制することが,Large Language Model(LLM)ベースの予測者に与える影響を評価する。 いずれの場合も、不整合予測のフィルタリングは予測精度を一貫して改善し、人間とLLMの両方の予測における一貫性の実用的価値を裏付けることを示す。 そして,クラウドソースによるユーザ実験により,その直感性と有用性にもかかわらず,ユーザは通常,このコヒーレンス特性に適合しないことを示した。 このことは、グループ予測の予測を得る前に、議論に基づく判断予測において、一貫性のない意見をフィルタリングするメカニズムを統合する必要があることを指摘する。

関連論文リスト

• FOReCAst: The Future Outcome Reasoning and Confidence Assessment Benchmark [11.149409619312827]
  FOReCAstはモデルを予測し、その信頼性を評価するためのベンチマークである。 ブール問題、時間枠予測、量推定を含む様々な予測シナリオにまたがる。 実世界のアプリケーションに対して、予測精度と信頼性校正の両方を包括的に評価する。
  論文  参考訳（メタデータ） (2025-02-27T01:36:00Z)
• Consistency Checks for Language Model Forecasters [54.62507816753479]
  予測器の性能を,論理的に異なる質問に対する予測の整合性の観点から測定する。 我々は,一連の基本質問を生成し,これらの質問から整合性チェックをインスタンス化し,予測者の予測を導き,予測の整合性を測定する自動評価システムを構築した。
  論文  参考訳（メタデータ） (2024-12-24T16:51:35Z)
• Hybrid Forecasting of Geopolitical Events [71.73737011120103]
  SAGEは、人間と機械が生成した予測を組み合わせたハイブリッド予測システムである。 このシステムは、確率と評価されたスキルに基づいて、人間と機械の予測の重み付けを集約する。 機械による予測にアクセスできる熟練した予測者は、過去のデータしか見ていない者よりも優れていた。
  論文  参考訳（メタデータ） (2024-12-14T22:09:45Z)
• Performative Prediction on Games and Mechanism Design [69.7933059664256]
  エージェントが過去の正確性に基づいて予測を信頼するかを判断する集団リスクジレンマについて検討する。 予測が集合的な結果を形成するにつれて、社会福祉は関心の指標として自然に現れる。 よりよいトレードオフを実現し、それらをメカニズム設計に使用する方法を示します。
  論文  参考訳（メタデータ） (2024-08-09T16:03:44Z)
• Predicting from Predictions [18.393971232725015]
  観測データから,結果に対する予測の因果的影響を同定する方法について検討した。 予測から予測する教師あり学習は,特徴,予測,結果の間の伝達可能な機能的関係を見出すことができることを示す。
  論文  参考訳（メタデータ） (2022-08-15T16:57:02Z)
• What Should I Know? Using Meta-gradient Descent for Predictive Feature Discovery in a Single Stream of Experience [63.75363908696257]
  計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。 この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。 本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
  論文  参考訳（メタデータ） (2022-06-13T21:31:06Z)
• Test-time Collective Prediction [73.74982509510961]
  マシンラーニングの複数のパーティは、将来のテストポイントを共同で予測したいと考えています。 エージェントは、すべてのエージェントの集合の集合的な専門知識の恩恵を受けることを望んでいるが、データやモデルパラメータを解放する意思はないかもしれない。 我々は、各エージェントの事前学習モデルを利用して、テスト時に集合的な予測を行う分散型メカニズムを探索する。
  論文  参考訳（メタデータ） (2021-06-22T18:29:58Z)
• Counterfactual Predictions under Runtime Confounding [74.90756694584839]
  本研究は, 過去のデータからすべての関連要因を抽出した環境で, 事実予測タスクについて検討する。 本稿では,この環境下での対実予測モデル学習のための2次ロバスト手法を提案する。
  論文  参考訳（メタデータ） (2020-06-30T15:49:05Z)
• Measuring Forecasting Skill from Text [15.795144936579627]
  我々は、人々が予測と予測スキルを説明するために使用する言語間の関係を探求する。 未来に関する人々の予測に関連付けられたテキスト上で計算される言語指標を多数提示する。 本研究では,言語のみに基づくモデルを用いて,予測スキルを正確に予測できることを実証する。
  論文  参考訳（メタデータ） (2020-06-12T19:04:10Z)

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。