論文の概要: Fairness in the Multi-Secretary Problem

• arxiv url: http://arxiv.org/abs/2511.23097v1
• Date: Fri, 28 Nov 2025 11:35:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.877264
• Title: Fairness in the Multi-Secretary Problem
• Title（参考訳）: マルチシークレット問題における公平性
• Authors: Georgios Papasotiropoulos, Zein Pishbin,
• Abstract要約: 社会的選択の公正なレンズを通して多官能問題を研究し、オンライン意思決定の観点から多官能選挙を検討する。 オンラインアルゴリズムの手法と社会的選択のルールを融合させる一連のメカニズムを提案する。
• 参考スコア（独自算出の注目度）: 3.2442879131520113
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper bridges two perspectives: it studies the multi-secretary problem through the fairness lens of social choice, and examines multi-winner elections from the viewpoint of online decision making. After identifying the limitations of the prominent proportionality notion of Extended Justified Representation (EJR) in the online domain, the work proposes a set of mechanisms that merge techniques from online algorithms with rules from social choice -- such as the Method of Equal Shares and the Nash Rule -- and supports them through both theoretical analysis and extensive experimental evaluation.
• Abstract（参考訳）: 本稿では,社会選択の公正性レンズを通して多官能問題を研究するとともに,オンライン意思決定の観点から多官能選挙について検討する。 オンラインドメインにおける拡張的正当表現(EJR)の顕著な比例性概念の限界を特定した後、同手法やナッシュルールのような社会的選択のルールとオンラインアルゴリズムからの技術を統合する一連のメカニズムを提案し、理論解析と広範な実験的評価の両方を通じてそれらをサポートする。

関連論文リスト

• What Voting Rules Actually Do: A Data-Driven Analysis of Multi-Winner Voting [5.880273374889066]
  本稿では,様々な選好分布における投票規則が公理に違反する頻度を評価するためのデータ駆動型フレームワークを提案する。 投票ルールとして機能するニューラルネットワークは、公理違反を最小限に抑える従来のルールより優れていることを示す。
  論文  参考訳（メタデータ） (2025-08-08T16:54:09Z)
• Offline Multi-agent Reinforcement Learning via Score Decomposition [51.23590397383217]
  オフライン協調型マルチエージェント強化学習(MARL)は、分散シフトによる固有の課題に直面している。 この作業は、オフラインとオンラインのMARL間の分散ギャップを明示的に解決する最初の作業である。
  論文  参考訳（メタデータ） (2025-05-09T11:42:31Z)
• A Survey of Frontiers in LLM Reasoning: Inference Scaling, Learning to Reason, and Agentic Systems [93.8285345915925]
  推論(Reasoning)は、論理的推論、問題解決、意思決定を可能にする基本的な認知プロセスである。 大規模言語モデル(LLM)の急速な進歩により、推論は高度なAIシステムを区別する重要な能力として浮上した。 我々は,(1)推論が達成される段階を定義するレジーム,(2)推論プロセスに関与するコンポーネントを決定するアーキテクチャの2つの側面に沿って既存の手法を分類する。
  論文  参考訳（メタデータ） (2025-04-12T01:27:49Z)
• Bridging Voting and Deliberation with Algorithms: Field Insights from vTaiwan and Kultur Komitee [1.2277343096128712]
  民主党のプロセスは、対面交渉と大規模投票の統合をますます目指している。 この研究は、オンライン投票を対面検討でブリッジするために、アルゴリズムと計算ツールを使用する新しい手法を導入する。
  論文  参考訳（メタデータ） (2025-02-07T15:45:13Z)
• Social Choice for Heterogeneous Fairness in Recommendation [9.753088666705985]
  推薦システムにおけるアルゴリズムの公正性は、様々な利害関係者のニーズによく注意する必要がある。 それまでの作業はしばしば、公正性の固定された単目的の定義によって制限されてきた。 我々の研究は、計算社会の選択の観点からのフェアネスを推奨する。
  論文  参考訳（メタデータ） (2024-10-06T17:01:18Z)
• Online Learning under Budget and ROI Constraints via Weak Adaptivity [57.097119428915796]
  制約付きオンライン学習問題に対する既存の原始双対アルゴリズムは、2つの基本的な仮定に依存している。 このような仮定は、標準の原始双対テンプレートを弱適応的後悔最小化器で与えることによって、どのように回避できるのかを示す。 上記の2つの前提が満たされていない場合に保証される、世界の最高の保証を証明します。
  論文  参考訳（メタデータ） (2023-02-02T16:30:33Z)
• Causal Fairness Analysis [68.12191782657437]
  意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。 我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。 本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
  論文  参考訳（メタデータ） (2022-07-23T01:06:34Z)
• Contestable Black Boxes [10.552465253379134]
  本稿では,アルゴリズムブラックボックスが関与する際の競合プロセスに必要な保証の種類について検討する。 本論では, 自動意思決定を評価するための補完的手法を考案した。
  論文  参考訳（メタデータ） (2020-06-09T09:09:00Z)

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。