Fugu-MT 論文翻訳(概要): Sequential Cohort Selection

論文の概要: Sequential Cohort Selection

arxiv url: http://arxiv.org/abs/2508.16386v1
Date: Fri, 22 Aug 2025 13:40:50 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-25 16:42:36.398268
Title: Sequential Cohort Selection
Title（参考訳）: シークエンシャルコホート選択
Authors: Hortence Phalonne Nana, Christos Dimitrakakis,
Abstract要約: 本研究では,大学入試に焦点をあてて,未知の人口からの公正なコホート選択の問題について検討する。まず、入場ポリシーを事前に修正し、透明性を保つというワンショット設定から始めます。対照的に、シーケンシャルな設定では、新しい申請データが利用可能になると、ポリシーを段階的に更新することができる。
参考スコア（独自算出の注目度）: 6.66618805642802
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We study the problem of fair cohort selection from an unknown population, with a focus on university admissions. We start with the one-shot setting, where the admission policy must be fixed in advance and remain transparent, before observing the actual applicant pool. In contrast, the sequential setting allows the policy to be updated across stages as new applicant data becomes available. This is achieved by optimizing admission policies using a population model, trained on data from previous admission cycles. We also study the fairness properties of the resulting policies in the one-shot setting, including meritocracy and group parity.
Abstract（参考訳）: 本研究では,大学入試に焦点をあてて,未知の人口からの公正なコホート選択の問題について検討する。まずは、入場ポリシーを事前に修正し、透明のままにしておき、実際の入場者プールを観察するワンショット設定から始めます。対照的に、シーケンシャルな設定では、新しい申請データが利用可能になると、ポリシーを段階的に更新することができる。これは、以前の入場サイクルのデータに基づいて訓練された人口モデルを用いて、入場ポリシーを最適化することで達成される。また,1ショット設定で得られたポリシーの公平性について検討し,エフェクトクラシーやグループパリティも検討した。

関連論文リスト

Algorithms for College Admissions Decision Support: Impacts of Policy Change and Inherent Variability [18.289154814012996]
先進的な応募者ランキングアルゴリズムからレースデータを除去することで、そのプールの学力を高めることなく、トップランクのプールの多様性を低減できることを示す。個人に対する政策変更の影響を、政策変更に起因する応募者の仲裁と無作為性に起因する仲裁とを比較して測定する。
論文参考訳（メタデータ） (2024-06-24T14:59:30Z)
Information Capacity Regret Bounds for Bandits with Mediator Feedback [55.269551124587224]
我々は,政策セットの複雑さに対する情報理論尺度として,政策セットの容量を導入する。古典的なEXP4アルゴリズムを採用することで、ポリシーセットの容量に応じて、新たな後悔の限界を提供する。ポリシーセットファミリの選択については、キャパシティと同じようなスケールで、ほぼ整合性の低い境界を証明します。
論文参考訳（メタデータ） (2024-02-15T19:18:47Z)
Projected Off-Policy Q-Learning (POP-QL) for Stabilizing Offline Reinforcement Learning [57.83919813698673]
Projected Off-Policy Q-Learning (POP-QL) は、政治外のサンプルを同時に重み付け、分散を防止し、価値近似誤差を減らすためにポリシーを制約する新しいアクタ批判アルゴリズムである。我々の実験では、POP-QLは標準ベンチマーク上での競合性能を示すだけでなく、データ収集ポリシーがかなり最適化されていないタスクにおいて競合するメソッドよりも優れています。
論文参考訳（メタデータ） (2023-11-25T00:30:58Z)
Auditing Fairness by Betting [43.515287900510934]
我々は,デプロイされた分類モデルと回帰モデルの公平性を評価するための,実用的で効率的で非パラメトリックな手法を提供する。我々の手法は逐次的であり、入ってくるデータの継続的なモニタリングを可能にする。提案手法の有効性を3つのベンチマークフェアネスデータセットに示す。
論文参考訳（メタデータ） (2023-05-27T20:14:11Z)
Policy learning "without" overlap: Pessimism and generalized empirical Bernstein's inequality [94.89246810243053]
本論文は,事前収集した観測値を利用して最適な個別化決定規則を学習するオフライン政策学習について検討する。既存の政策学習法は、一様重なりの仮定、すなわち、全ての個々の特性に対する全ての作用を探索する正当性は、境界を低くしなければならない。我々は,点推定の代わりに低信頼度境界(LCB)を最適化する新しいアルゴリズムであるPPLを提案する。
論文参考訳（メタデータ） (2022-12-19T22:43:08Z)
Generalizing Off-Policy Learning under Sample Selection Bias [15.733136147164032]
本稿では,対象人口に一般化する学習政策の枠組みを提案する。不確実性セットが適切に特定されている場合、トレーニングデータよりも悪いことができないため、我々の政策が対象人口に一般化されることを実証する。
論文参考訳（メタデータ） (2021-12-02T16:18:16Z)
Fair Sequential Selection Using Supervised Learning Models [11.577534539649374]
我々は、連続して到着した応募者が限られた数の位置/ジョブを申請する選択問題を考える。一般の公正概念を満足する事前学習モデルであっても、選択の結果は特定の人口集団に偏っている可能性があることを示す。本稿では、連続選択問題に適した「平等選択(ES)」という新たなフェアネス概念を導入し、ESフェアネス概念を満たすための後処理アプローチを提案する。
論文参考訳（メタデータ） (2021-10-26T19:45:26Z)
Privacy-Constrained Policies via Mutual Information Regularized Policy Gradients [54.98496284653234]
報酬を最大化しつつ、行動を通じて特定の機密状態変数の開示を最小限に抑えながら、報酬を最大化する政策を訓練する課題を考察する。本稿では, 感性状態と行動の相互情報に基づく正則化器を導入することで, この問題を解決する。プライバシ制約のあるポリシーを最適化するためのモデルベース推定器を開発した。
論文参考訳（メタデータ） (2020-12-30T03:22:35Z)
Offline Policy Selection under Uncertainty [113.57441913299868]
我々は、オフラインポリシーの選択を、一定の経験データセットを与えられた政策予測のセットよりも学習の選好とみなす。政策価値に対する信念に対する完全な分布へのアクセスは、より幅広い下流評価指標の下でより柔軟な選択アルゴリズムを可能にする。 BayesDICEが任意の下流ポリシー選択メトリックに関してポリシーのランク付けにどのように使用されるかを示します。
論文参考訳（メタデータ） (2020-12-12T23:09:21Z)
Intersectional Affirmative Action Policies for Top-k Candidates Selection [3.4961413413444817]
本研究では,トップk候補を応募者のプールから選抜する問題について検討する。我々は,一部の候補者が歴史的かつ現在の不利を経験している状況を考える。そこで本研究では,OECD国における学力評価と学士号取得のデータセットを用いて,この問題を解き,解析し,評価する2つのアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-07-29T12:27:18Z)
Towards Data-Driven Affirmative Action Policies under Uncertainty [3.9293125023197595]
我々は、承認された応募者数を過小評価されたグループから増やそうとする肯定的な行動方針を考察する。このような方針は、申請期間の開始前に発表する必要があるため、各プログラムに適用される学生の得点分布について不確実性がある。本稿では,過去のデータに基づいてトレーニングされた予測モデルを用いて,そのようなポリシーのパラメータを最適化する可能性について検討する。
論文参考訳（メタデータ） (2020-07-02T15:37:16Z)

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。