論文の概要: Fair Decisions through Plurality: Results from a Crowdfunding Platform

• arxiv url: http://arxiv.org/abs/2509.18343v1
• Date: Mon, 22 Sep 2025 19:06:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.540893
• Title: Fair Decisions through Plurality: Results from a Crowdfunding Platform
• Title（参考訳）: Pluralityによる公正な決定 - クラウドファンディングプラットフォームによる結果
• Authors: Joel Miller, E. Glen Weyl, Chris Kanich,
• Abstract要約: プラットフォームが使用していた前回のアルゴリズムであるQuardratic Funding (QF)は、その設計が孤立的で自己中心的な個人モデルに根ざしていることから、問題に直面した。 我々は,複数の社会ユーティリティの理論に根ざした,相互接続指向の二次融資(CO-QF)の代替アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 3.8424737607413157
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We discuss an algorithmic intervention aimed at increasing equity and economic efficiency at a crowdfunding platform that gives cash subsidies to grantees. Through a blend of technical and qualitative methods, we show that the previous algorithm used by the platform -- Quadratic Funding (QF) -- suffered problems because its design was rooted in a model of individuals as isolated and selfish. We present an alternative algorithm -- Connection-Oriented Quadratic Funding (CO-QF) -- rooted in a theory of plurality and prosocial utilities, and show that it qualitatively and quantitatively performs better than QF. CO-QF has achieved an 89% adoption rate at the platform and has distributed over $4 Million to date. In simulations we show that it provides better social welfare than QF. While our design for CO-QF was responsive to the needs of a specific community, we also extrapolate out of this context to show that CO-QF is a potentially helpful tool for general-purpose public decision making.
• Abstract（参考訳）: 我々は、寄付者に現金助成金を与えるクラウドファンディングプラットフォームにおいて、株式と経済効率の向上を目的としたアルゴリズムによる介入について議論する。 技術的手法と定性的な手法の混合により、プラットフォームが使用していた以前のアルゴリズムである準ドラマティック・ファンディング(QF)が、その設計が孤立的で自己中心的な個人モデルに根ざしていることから、問題に直面したことを示す。 本稿では,複数の社会ユーティリティの理論に根ざした,接続指向の二次資金(CO-QF)の代替アルゴリズムを提案し,質的かつ定量的にQFよりも優れた性能を示すことを示す。 CO-QFはプラットフォームで89%の採用率に達し、これまでに400万ドル以上を配布している。 シミュレーションでは、QFよりも優れた社会福祉を提供することを示した。 CO-QFの設計は、特定のコミュニティのニーズに反応していましたが、この文脈から、CO-QFが汎用的な公開意思決定に有用なツールであることを示すために、外挿も行っています。

関連論文リスト

• A Quantum Genetic Algorithm Framework for the MaxCut Problem [49.59986385400411]
  提案手法では,Groverをベースとした進化的枠組みと分割・分散原理を用いた量子遺伝的アルゴリズム(QGA)を提案する。 完全グラフ上では、提案手法は真に最適なMaxCut値を一貫して達成し、セミデフィニティプログラミング(SDP)アプローチより優れている。 ErdHos-R'enyiランダムグラフでは、QGAは競合性能を示し、SDP結果の92-96%で中央値の解が得られる。
  論文  参考訳（メタデータ） (2025-01-02T05:06:16Z)
• Analyzing the Effectiveness of Quantum Annealing with Meta-Learning [7.251305766151019]
  メタラーニングモデルに基づく量子アニーリング(QA)の有効性を検討するための新しい手法を提案する。 10の異なる最適化問題の5万以上のインスタンスからなるデータセットを構築します。 それらの特徴を説明するために100以上の特徴のセットを定義し、QAと3つの古典的解法を用いてそれらを解決する。
  論文  参考訳（メタデータ） (2024-08-01T14:03:11Z)
• Improving the trainability of VQE on NISQ computers for solving portfolio optimization using convex interpolation [8.186804065389007]
  ポートフォリオ最適化のための凸性を利用して変動量子固有解器(VQE)の訓練性を向上させる。 凸に基づいて、基底状態の位置はヒルベルト空間における基底状態の小さな部分集合の性質を学ぶことによって評価することができる。 超伝導量子ビットを用いた40ドルの量子ビット実験を成功裏に実施し,提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2024-07-08T03:51:54Z)
• Quantum-Inspired Mean Field Probabilistic Model for Combinatorial Optimization Problems [15.435730759218776]
  擬似非制約二項最適化問題の解を近似する新しい量子インスパイア平均場(QIMF)確率モデルを開発した。 実験により,ポートフォリオ選択,重み付きマックスカット問題,イジングモデルといった大規模問題に対するソリューション評価の大幅な改善が示された。
  論文  参考訳（メタデータ） (2024-06-01T01:53:11Z)
• Reconfigurable Intelligent Surface (RIS)-Assisted Entanglement Distribution in FSO Quantum Networks [62.87033427172205]
  自由空間光(FSO)量子チャネルに依存する量子ネットワーク(QN)は、光ファイバー基盤の確立が困難でコストがかかる環境における量子アプリケーションをサポートすることができる。 エンタングルメント分布のための仮想視線を提供する費用効率の高いフレームワークとして,再構成可能なインテリジェントサーフェス(RIS)を用いたFSOベースのQNを提案する。
  論文  参考訳（メタデータ） (2024-01-19T17:16:40Z)
• Elastic Entangled Pair and Qubit Resource Management in Quantum Cloud Computing [73.7522199491117]
  量子クラウドコンピューティング(QCC)は、量子コンピューティングリソースを効率的に提供するための有望なアプローチを提供する。 ユーザ需要の変動と量子回路の要求は、効率的なリソース供給のために困難である。 本稿では、量子コンピューティングとネットワークリソースのプロビジョニングのためのリソース割り当てモデルを提案する。
  論文  参考訳（メタデータ） (2023-07-25T00:38:46Z)
• Stochastic Methods for AUC Optimization subject to AUC-based Fairness Constraints [51.12047280149546]
  公正な予測モデルを得るための直接的なアプローチは、公正な制約の下で予測性能を最適化することでモデルを訓練することである。 フェアネスを考慮した機械学習モデルのトレーニング問題を,AUCに基づくフェアネス制約のクラスを対象とする最適化問題として定式化する。 フェアネス測定値の異なる実世界のデータに対するアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-12-23T22:29:08Z)
• Error-based Knockoffs Inference for Controlled Feature Selection [49.99321384855201]
  本手法では, ノックオフ特徴量, エラーベース特徴重要度統計量, ステップダウン手順を一体化して, エラーベースのノックオフ推定手法を提案する。 提案手法では回帰モデルを指定する必要はなく,理論的保証で特徴選択を処理できる。
  論文  参考訳（メタデータ） (2022-03-09T01:55:59Z)
• LBCF: A Large-Scale Budget-Constrained Causal Forest Algorithm [11.82503645248441]
  予算制約の下で各ユーザに対して適切なインセンティブ(すなわち治療)を選択する方法が重要な研究課題である。 本稿では,大規模予算制約付き因果樹林 (LBCF) アルゴリズムと呼ばれる,予算制約下での新規な木に基づく治療選択手法を提案する。 当社のアプローチは,ユーザのキャンペーンエンゲージメント期間を増やすために,大規模なビデオプラットフォーム上で現実のシナリオに展開する。
  論文  参考訳（メタデータ） (2022-01-29T13:21:07Z)
• Model-Augmented Q-learning [112.86795579978802]
  モデルベースRLの構成要素を付加したMFRLフレームワークを提案する。 具体的には、$Q$-valuesだけでなく、共有ネットワークにおける遷移と報酬の両方を見積もる。 提案手法は,MQL (Model-augmented $Q$-learning) とよばれる提案手法により,真に報いられた学習によって得られる解と同一のポリシ不変解が得られることを示す。
  論文  参考訳（メタデータ） (2021-02-07T17:56:50Z)

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。