論文の概要: Learning Resilient Elections with Adversarial GNNs
- arxiv url: http://arxiv.org/abs/2601.01653v1
- Date: Sun, 04 Jan 2026 20:12:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-06 16:25:22.622514
- Title: Learning Resilient Elections with Adversarial GNNs
- Title（参考訳）: 逆GNNによるレジリエント選挙の学習
- Authors: Hao Xiang Li, Yash Shah, Lorenzo Giusti,
- Abstract要約: 学習した投票ルールの表現能力を一般化し、ニューラルネットワークアーキテクチャの改善と敵対的トレーニングを組み合わせることで、投票ルールのレジリエンスを向上させる。
合成と実世界の両方のデータセットに対して,本手法の有効性を評価する。
- 参考スコア（独自算出の注目度）: 7.860518501342454
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the face of adverse motives, it is indispensable to achieve a consensus. Elections have been the canonical way by which modern democracy has operated since the 17th century. Nowadays, they regulate markets, provide an engine for modern recommender systems or peer-to-peer networks, and remain the main approach to represent democracy. However, a desirable universal voting rule that satisfies all hypothetical scenarios is still a challenging topic, and the design of these systems is at the forefront of mechanism design research. Automated mechanism design is a promising approach, and recent works have demonstrated that set-invariant architectures are uniquely suited to modelling electoral systems. However, various concerns prevent the direct application to real-world settings, such as robustness to strategic voting. In this paper, we generalise the expressive capability of learned voting rules, and combine improvements in neural network architecture with adversarial training to improve the resilience of voting rules while maximizing social welfare. We evaluate the effectiveness of our methods on both synthetic and real-world datasets. Our method resolves critical limitations of prior work regarding learning voting rules by representing elections using bipartite graphs, and learning such voting rules using graph neural networks. We believe this opens new frontiers for applying machine learning to real-world elections.
- Abstract（参考訳）: 悪い動機に直面した場合には、合意に達することが不可欠である。
選挙は17世紀以降の近代民主主義の正統的な方法である。
今日では市場を規制し、近代的なレコメンデーターシステムやピアツーピアネットワークのためのエンジンを提供し、民主主義を代表している。
しかしながら、すべての仮説的シナリオを満たす望ましい普遍的な投票規則は依然として課題であり、これらのシステムの設計はメカニズム設計研究の最前線にある。
自動メカニズム設計は有望なアプローチであり、近年の研究では、集合不変アーキテクチャが選挙システムのモデル化に一意に適していることが示されている。
しかし、様々な懸念は、戦略的投票に対する堅牢性など、現実世界の環境への直接的な適用を妨げている。
本稿では,学習した投票規則の表現能力を一般化し,ニューラルネットワークアーキテクチャの改善と敵対的トレーニングを組み合わせることにより,社会福祉を最大化しながら投票規則のレジリエンスを向上させる。
合成と実世界の両方のデータセットに対して,本手法の有効性を評価する。
本手法は,2部グラフを用いた選挙表現と,グラフニューラルネットワークを用いた投票規則の学習により,投票ルールの学習に関する事前作業の限界を解消する。
これにより、機械学習を現実世界の選挙に適用するための新たなフロンティアが開かれると信じています。
関連論文リスト
- Busting the Paper Ballot: Voting Meets Adversarial Machine Learning [2.31948340923087]
アメリカの選挙集計装置における機械学習の利用に伴うセキュリティリスクを示す。
4つの新しい投票データセットで、さまざまなモデルのトレーニングとテストを行います。
我々は, 新たな手法を用いて, 敵の例を用いて攻撃を行う。
論文 参考訳（メタデータ） (2025-06-17T14:38:08Z) - Learning How to Vote with Principles: Axiomatic Insights Into the Collective Decisions of Neural Networks [4.8342038441006805]
我々は、好みを集約するニューラルネットワークを構築し評価するフレームワークである、公理的なディープ投票を提案する。
1) ニューラルネットワークは, 精度が高いにもかかわらず, 投票規則の中核となる公理と一致せず, 結果の模倣と推論の解離が明らかになることが多い。
単に公理満足度を最適化することによって、ニューラルネットワークは、しばしば既存のものと大きく異なる新しい投票規則を合成することができる。
論文 参考訳（メタデータ） (2024-10-21T16:35:58Z) - Aligning AI with Public Values: Deliberation and Decision-Making for Governing Multimodal LLMs in Political Video Analysis [48.14390493099495]
AIモデルが政治的トピックにどう対処すべきかは議論されているが、依然として困難であり、より優れたガバナンスが必要である。
本稿では、政治的に敏感なビデオを中心に、個人的および集団的な議論を通じて、大規模言語モデルのガバナンスについて検討する。
論文 参考訳（メタデータ） (2024-09-15T03:17:38Z) - Representation Bias in Political Sample Simulations with Large Language Models [54.48283690603358]
本研究は,大規模言語モデルを用いた政治サンプルのシミュレーションにおけるバイアスの同定と定量化を目的とする。
GPT-3.5-Turboモデルを用いて、米国選挙研究、ドイツ縦割り選挙研究、ズオビアオデータセット、中国家族パネル研究のデータを活用する。
論文 参考訳（メタデータ） (2024-07-16T05:52:26Z) - Learning to Manipulate under Limited Information [44.99833362998488]
私たちは、26サイズの10,000以上のニューラルネットワークをトレーニングし、8つの異なる投票方法に対処しました。
ボルダなど一部の投票手法は限られた情報を持つネットワークで高度に操作可能であるのに対して、Instant Runoffのような投票手法はそうではない。
論文 参考訳（メタデータ） (2024-01-29T18:49:50Z) - The Face of Populism: Examining Differences in Facial Emotional Expressions of Political Leaders Using Machine Learning [50.24983453990065]
私たちは15カ国の政治指導者の220本のYouTubeビデオのサンプルをディープラーニングで処理しています。
ポピュリスト・レトリックの度合いが異なるリーダー群間での負の感情の平均スコアの統計的に有意な差を観察した。
論文 参考訳（メタデータ） (2023-04-19T18:32:49Z) - An algorithm for a fairer and better voting system [0.0]
本稿は、投票者を代表する最適な候補を見つけることの課題を解決することを目的とした、新しい、より優れた投票システムについて述べる。
私たちは、人工知能に基づいた選挙の現実的なシミュレーションを行うためのソースコードをGitHubに公開しています。
我々は、我々のアルゴリズムがInstant-Runoff Voting、Preferential Block Voting、Single Transferable Vote、First Past The Postよりも優れているという確証を持っている。
論文 参考訳（メタデータ） (2021-10-13T22:34:49Z) - Learning to Elect [7.893831644671976]
投票システムには、推薦システム、ウェブ検索、製品デザイン、選挙など幅広いアプリケーションがある。
本研究では,セットトランスフォーマーや完全連結グラフネットワーク,DeepSetsといったセットインプットニューラルネットワークアーキテクチャが,理論的にも経験的にも投票ルールの学習に適していることを示す。
論文 参考訳（メタデータ） (2021-08-05T17:55:46Z)
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。