論文の概要: Agentmandering: A Game-Theoretic Framework for Fair Redistricting via Large Language Model Agents

• arxiv url: http://arxiv.org/abs/2511.04076v1
• Date: Thu, 06 Nov 2025 05:28:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-07 20:17:53.314006
• Title: Agentmandering: A Game-Theoretic Framework for Fair Redistricting via Large Language Model Agents
• Title（参考訳）: Agentmandering: 大規模言語モデルエージェントによる公正再編成のためのゲーム理論フレームワーク
• Authors: Hao Li, Haotian Chen, Ruoyuan Gong, Juanjuan Wang, Hao Jiang,
• Abstract要約: 本稿では、対立する政治的利益を代表する2人のエージェント間のターンベース交渉として再編成する枠組みを提案する。 エージェント・マンダリングは党派偏見と不公平さを著しく低減し、標準ベースラインよりも2～3桁のばらつきを達成できる。
• 参考スコア（独自算出の注目度）: 10.860858971814183
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Redistricting plays a central role in shaping how votes are translated into political power. While existing computational methods primarily aim to generate large ensembles of legally valid districting plans, they often neglect the strategic dynamics involved in the selection process. This oversight creates opportunities for partisan actors to cherry-pick maps that, while technically compliant, are politically advantageous. Simply satisfying formal constraints does not ensure fairness when the selection process itself can be manipulated. We propose \textbf{Agentmandering}, a framework that reimagines redistricting as a turn-based negotiation between two agents representing opposing political interests. Drawing inspiration from game-theoretic ideas, particularly the \textit{Choose-and-Freeze} protocol, our method embeds strategic interaction into the redistricting process via large language model (LLM) agents. Agents alternate between selecting and freezing districts from a small set of candidate maps, gradually partitioning the state through constrained and interpretable choices. Evaluation on post-2020 U.S. Census data across all states shows that Agentmandering significantly reduces partisan bias and unfairness, while achieving 2 to 3 orders of magnitude lower variance than standard baselines. These results demonstrate both fairness and stability, especially in swing-state scenarios. Our code is available at https://github.com/Lihaogx/AgentMandering.
• Abstract（参考訳）: 再選は、選挙が政治権力にどのように変換されるかを形作る上で中心的な役割を担っている。 既存の計算手法は主に法的に有効な地区計画の大規模なアンサンブルを生成することを目的としているが、彼らはしばしば選択プロセスに関わる戦略的ダイナミクスを無視している。 この監視により、パルチザンの俳優がチェリーピックマップを制作する機会が生まれ、技術的には順応するが政治的には有利である。 単に形式的な制約を満たすだけでは、選択プロセス自体を操作できるときの公平性は保証されない。 我々は、対立する政治的利益を表す2つのエージェント間のターンベースの交渉として再制限を想像する枠組みである「textbf{Agentmandering}」を提案する。 ゲーム理論のアイデア,特に「textit{Choose-and-Freeze}」プロトコルからインスピレーションを得たこの手法は,大規模言語モデル(LLM)エージェントを介して,戦略的相互作用を再限定プロセスに組み込む。 エージェントは少数の候補マップから選択地区と凍結地区を交互に選別し、制約付きおよび解釈可能な選択を通じて徐々に州を分割する。 すべての州で2020年以降の国勢調査データを評価すると、エージェント・マンダリングは党派的偏見と不公平さを著しく低減し、標準基準よりも2～3桁のばらつきを達成している。 これらの結果は、特に揺動状態のシナリオにおいて、公正性と安定性の両方を示している。 私たちのコードはhttps://github.com/Lihaogx/AgentMandering.comで公開されています。

関連論文リスト

• Efficient Lower Bounding of Single Transferable Vote Election Margins [56.12949230611067]
  STV (Single Transferable vote) は、複数議席の選挙において、優先的な比例投票方式である。 勝利のマージン(英: margin of victory)は、勝利者の集合を変えるために操作される必要のある最小数の投票である。 マージンの低い境界は、正確なマージンを計算するのが難しい場合、この目的のためにも使われる。
  論文  参考訳（メタデータ） (2025-01-24T13:39:23Z)
• Multiscale Parallel Tempering for Fast Sampling on Redistricting Plans [1.1233768932957773]
  説得力のある方法は、計画と中立に描画された再限定計画のアンサンブルを比較することである。 アンサンブルと所定の計画との党派差を監査するためには、非党派基準が一致していることを保証する必要がある。 本研究では,各スケールで局所移動を行うマルチスケール並列テンパリング手法を提案する。
  論文  参考訳（メタデータ） (2024-01-30T21:33:05Z)
• Redistricting for Proportionality [0.0]
  アメリカの民主主義は選挙制度として複数の選挙区(PSMD)に大きく依存している。 地区の設計・選定において,PSMDを比例的基準に適合させることは可能か検討する。
  論文  参考訳（メタデータ） (2023-08-22T15:56:40Z)
• Provably Efficient Fictitious Play Policy Optimization for Zero-Sum Markov Games with Structured Transitions [145.54544979467872]
  本研究では,ゼロサムマルコフゲームに対して,構造的だが未知の遷移を伴う架空のプレイポリシー最適化アルゴリズムを提案し,解析する。 我々は、2年制の競争ゲームシナリオで、$K$のエピソードに続き、$widetildemathcalO(sqrtK)$ regret boundsを証明した。 提案アルゴリズムは,アッパー信頼境界(UCB)型最適化と,同時政策最適化の範囲内での架空のプレイの組み合わせを特徴とする。
  論文  参考訳（メタデータ） (2022-07-25T18:29:16Z)
• Formalizing the Problem of Side Effect Regularization [81.97441214404247]
  本稿では,補助ゲームフレームワークを用いたサイドエフェクト正規化のための公式な基準を提案する。 これらのゲームでは、エージェントは部分的に観測可能なマルコフ決定プロセスを解決する。 このPOMDPは、エージェントが将来的なタスクをこなす能力と、プロキシ報酬を交換することで解決されることを示す。
  論文  参考訳（メタデータ） (2022-06-23T16:36:13Z)
• Implications of Distance over Redistricting Maps: Central and Outlier Maps [10.318010762465939]
  代表制民主主義では、各選挙区が代表を選出する地区に分割するために、再分権地図が選択される。 有効な再分級写像は、コンパクトで連続であり、ほぼ同値な集団であるような制約の集合を満たさなければならない。 これにより、党派議会が不公平に有利な地図を選択することで、ジェリーマンダーを許すことができる。
  論文  参考訳（メタデータ） (2022-03-02T04:59:30Z)
• Fairmandering: A column generation heuristic for fairness-optimized political districting [0.0]
  アメリカの当選者全選挙区制は、政治家に選挙区境界を操作することで選挙結果を作る権限を与えている。 既存の計算ソリューションは主に、政治的、人口統計学的入力を無視して、偏見のない地図を描くことに集中し、代わりに単にコンパクト性のために最適化する。 コンパクトさと公正さは品質であるので、これは欠点のあるアプローチであり、公正性の任意の片方向線形定義を明示的に最適化するスケーラブルな2段階法を導入する。
  論文  参考訳（メタデータ） (2021-03-21T19:22:42Z)
• A New Bandit Setting Balancing Information from State Evolution and Corrupted Context [52.67844649650687]
  本稿では,2つの確立されたオンライン学習問題と包括的フィードバックを組み合わせた,逐次的意思決定方式を提案する。 任意の瞬間にプレーする最適なアクションは、エージェントによって直接観察できない基礎となる変化状態に付随する。 本稿では,レフェリーを用いて,コンテキストブレイジットとマルチアームブレイジットのポリシーを動的に組み合わせるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-16T14:35:37Z)
• Colorado in Context: Congressional Redistricting and Competing Fairness Criteria in Colorado [0.0]
  我々は、合理的な再分権計画の大きなランダムサンプルを生成し、2018年の州全体の選挙でのリターンを用いて、各地区の党派バランスを決定する。 本研究では, 党派的な成果, 分割される郡数, 計画における競争地区数との関係について検討する。
  論文  参考訳（メタデータ） (2020-11-11T20:05:50Z)

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。