論文の概要: Snowveil: A Framework for Decentralised Preference Discovery
- arxiv url: http://arxiv.org/abs/2512.18444v1
- Date: Sat, 20 Dec 2025 17:31:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-23 18:54:32.337277
- Title: Snowveil: A Framework for Decentralised Preference Discovery
- Title（参考訳）: Snowveil: 分散推論ディスカバリのためのフレームワーク
- Authors: Grammateia Kotsialou,
- Abstract要約: 本稿では, 検閲抵抗, 部分情報, 非同期通信の制約の下で, 選挙人の集合意志を決定することの課題である分散選好発見(DPD)を紹介する。
我々は,この課題のための新しいフレームワークであるSnowveilを提案する。Snowveilは,有権者が投票者の小さなランダムなサブセットの選好を繰り返しサンプリングして,段階的に集合的な結果に収束させる,反復型ゴシップベースのプロトコルを使用する。
我々は,系が有限時間でほぼ確実に安定な単入賞者に収束することを示す多段階解析法を開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Aggregating subjective preferences of a large group is a fundamental challenge in computational social choice, traditionally reliant on central authorities. To address the limitations of this model, this paper introduces Decentralised Preference Discovery (DPD), the problem of determining the collective will of an electorate under constraints of censorship resistance, partial information, and asynchronous communication. We propose Snowveil, a novel framework for this task. Snowveil uses an iterative, gossip-based protocol where voters repeatedly sample the preferences of a small, random subset of the electorate to progressively converge on a collective outcome. We demonstrate the framework's modularity by designing the Constrained Hybrid Borda (CHB), a novel aggregation rule engineered to balance broad consensus with strong plurality support, and provide a rigorous axiomatic analysis of its properties. By applying a potential function and submartingale theory, we develop a multi-level analytical method to show that the system almost surely converges to a stable, single-winner in finite time, a process that can then be iterated to construct a set of winning candidates for multi-winner scenarios. This technique is largely agnostic to the specific aggregation rule, requiring only that it satisfies core social choice axioms like Positive Responsiveness, thus offering a formal toolkit for a wider class of DPD protocols. Furthermore, we present a comprehensive empirical analysis through extensive simulation, validating Snowveil's $O(n)$ scalability. Overall, this work advances the understanding of how a stable consensus can emerge from subjective, complex, and diverse preferences in decentralised systems for large electorates.
- Abstract（参考訳）: 大規模集団の主観的な選好を集約することは、伝統的に中央機関に依存した計算社会選択における根本的な課題である。
本稿では, 検閲抵抗, 部分情報, 非同期通信の制約の下で, 選挙人の集合意志を決定することの課題である分散選好発見(DPD)について述べる。
我々は,このタスクのための新しいフレームワークであるSnowveilを提案する。
Snowveilは反復的なゴシップベースのプロトコルを使用しており、有権者は選挙人の小さなランダムなサブセットの選好を繰り返しサンプリングして、集合的な結果に徐々に収束させる。
制約付きハイブリッドボルダ (CHB) を設計することにより, フレームワークのモジュラリティを実証し, その特性の厳密な公理解析を行う。
ポテンシャル関数とサブマリンゲール理論を適用することにより、システムは有限時間でほぼ確実に安定なシングルウィンナーに収束することを示す多段階解析法を開発し、その過程を反復して、マルチウィンナーシナリオの勝者候補セットを構築することができる。
この手法は特定の集約規則に大きく依存せず、正の応答性のような中核的な社会的選択公理を満たすことしか必要とせず、より広範なPDプロトコルの形式的なツールキットを提供する。
さらに、Snowveilの$O(n)$スケーラビリティを検証し、広範なシミュレーションを通して総合的な経験分析を行う。
全体として、この研究は、大規模な選挙人のための分散システムにおいて、主観的で複雑で多様な選好から安定したコンセンサスがどのように現れるかを理解することを前進させる。
関連論文リスト
- Parameter-Free Clustering via Self-Supervised Consensus Maximization (Extended Version) [50.41628860536753]
本稿では,SCMax と呼ばれる自己教師型コンセンサス最大化による,新しい完全パラメータフリークラスタリングフレームワークを提案する。
本フレームワークは,階層的なクラスタリングとクラスタ評価を単一の統合プロセスで行う。
論文 参考訳（メタデータ） (2025-11-12T11:17:17Z) - Generating Fair Consensus Statements with Social Choice on Token-Level MDPs [7.5036512760759715]
タスクを多目的トークンレベルマルコフ決定プロセス(MDP)としてモデル化する。
各エージェントに対するトークンレベルの報酬は、それぞれのポリシー(例えば、パーソナライズされた言語モデル)から導かれる。
このアプローチは、そのようなポリシーが最適Q-函数を暗黙的に定義し、値関数なしで各生成ステップでの報酬を定量化する原則的な方法を提供する。
論文 参考訳（メタデータ） (2025-10-15T21:23:18Z) - Achieving Unanimous Consensus in Decision Making Using Multi-Agents [0.0]
本稿では,Large Language Models (LLMs) が一貫した合意に達するために構造化された議論を行う合理的エージェントとして機能する,新しい議論に基づくコンセンサス機構を提案する。
段階的なコンセンサスと複数ラウンドの議論プロセスを活用することで、決定的問題に対する全会一致と、優先順位付けされた決定と政策に対する格付けされた信頼の両立が保証される。
また、思考、幻覚、悪意あるモデルとノード、リソース消費、スケーラビリティなどの新しいアプローチで重要な課題に対処する。
論文 参考訳（メタデータ） (2025-04-02T21:02:54Z) - Optimizing Solution-Samplers for Combinatorial Problems: The Landscape
of Policy-Gradient Methods [52.0617030129699]
本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。
我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。
本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
論文 参考訳（メタデータ） (2023-10-08T23:39:38Z) - Cooperative Coevolution for Non-Separable Large-Scale Black-Box Optimization: Convergence Analyses and Distributed Accelerations [13.750841199401613]
我々は、よく知られた協調的共進化(CC)の大規模バージョンを非分離関数で解析し、拡張する。
本研究では,分解に基づく手法が好まれるかどうかを,非分離性な大規模問題に対して実証的に明らかにする。
私たちは、最近のマルチレベル学習フレームワークの下で、強力な分散コンピューティングを使用してそれを加速します。
論文 参考訳（メタデータ） (2023-04-11T07:15:37Z) - A Dynamical System View of Langevin-Based Non-Convex Sampling [44.002384711340966]
非サンプリングは機械学習における重要な課題であり、ディープラーニングにおける非レート最適化の中心であり、その重要性を近似する。
既存の保証は通常、より望ましい最終段階の反復よりも平均距離のみを保持する。
我々は、理論システムからいくつかのツールを活用することにより、上記の問題を解消する新しいフレームワークを開発する。
論文 参考訳（メタデータ） (2022-10-25T09:43:36Z) - Collective discrete optimisation as judgment aggregation [5.4903333042180495]
例えば、参加予算はknapsack問題の集合バージョンである。
他の例としては、集合的なスケジューリングや集合的なスパンニングツリーがある。
我々は、重み付き問題による判断集約の統一的な枠組みでそれらを表現し、解決することを提案する。
論文 参考訳（メタデータ） (2021-12-01T15:40:23Z) - Extended Stochastic Block Models with Application to Criminal Networks [3.2211782521637393]
犯罪者間の関係を符号化する隠蔽ネットワークについて検討する。
ノイズの多いブロックパターンの共存は、日常的に使用されるコミュニティ検出アルゴリズムの信頼性を制限する。
我々は,共通接続パターンを持つノード群を推論する拡張ブロックモデル(ESBM)を新たに開発した。
論文 参考訳（メタデータ） (2020-07-16T19:06:16Z) - Public Bayesian Persuasion: Being Almost Optimal and Almost Persuasive [57.47546090379434]
i) 任意の状態空間, (ii) 任意の行動空間, (iii) 任意の送信者のユーティリティ関数を用いて, 一般の状況下での公衆の説得問題を考察する。
任意の公的な説得問題に対して準多項式時間ビクテリア近似アルゴリズムを提案し、特定の設定でQPTASを出力する。
論文 参考訳（メタデータ） (2020-02-12T18:59:18Z)
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。