論文の概要: Silence Routing: When Not Speaking Improves Collective Judgment

• arxiv url: http://arxiv.org/abs/2602.10145v1
• Date: Mon, 09 Feb 2026 14:52:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-12 21:44:01.177404
• Title: Silence Routing: When Not Speaking Improves Collective Judgment
• Title（参考訳）: Silence Routing: 話さない場合の集合判断の改善
• Authors: Itsuki Fujisaki, Kunhao Yang,
• Abstract要約: 味の集合的知性のためのルーティングフレームワークを提案する。 フレームワークは、コントリビュータが話すべき時期、報告すべきこと、沈黙が望ましいことを指定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The wisdom of crowds has been shown to operate not only for factual judgments but also in matters of taste, where accuracy is defined relative to an individual's preferences. However, it remains unclear how different types of social signals should be selectively used in such domains. Focusing on a music preference dataset in which contributors provide both personal evaluations (Own) and estimates of population-level preferences (Estimated), we propose a routing framework for collective intelligence in taste. The framework specifies when contributors should speak, what they should report, and when silence is preferable. Using simulation-based aggregation, we show that prediction accuracy improves over an all-own baseline across a broad region of the parameter space, conditional on items where routing applies. Importantly, these gains arise only when silence is allowed, enabling second-order signals to function effectively. The results demonstrate that collective intelligence in matters of taste depends on principled signal routing rather than simple averaging.
• Abstract（参考訳）: 群衆の知恵は、事実の判断だけでなく、個人の嗜好に対して正確さが定義される味の分野でも機能することが示されている。 しかし、このような領域では、どのような種類の社会信号が選択的に使用されるべきかは定かではない。 音楽選好データセットに焦点をあてて,コントリビュータが個人評価(Own)と人口レベルの選好推定(Estimated)の両方を提供する手法を提案する。 フレームワークは、コントリビュータが話すべき時期、報告すべきこと、沈黙が望ましいことを指定する。 シミュレーションに基づくアグリゲーションを用いて、パラメータ空間の広い領域にわたる全領域のベースライン上での予測精度が向上し、ルーティングが適用される項目に条件付けされることを示す。 重要なことに、これらの利得は沈黙が許されたときにのみ発生し、2階信号が効果的に機能する。 その結果、味覚における集合的知性は、単純な平均よりも原理的な信号ルーティングに依存していることが示された。

関連論文リスト

• Mind the Gap: How Elicitation Protocols Shape the Stated-Revealed Preference Gap in Language Models [0.0]
  提案手法は,24言語モデル間の記述された嗜好相関にどのように影響するかを考察する。 明らかにされた嗜好の棄権を認めると、高い中立性率のため、ほぼゼロまたは負の値に$$を誘導する。 明示された嗜好誘発における指示された嗜好を用いたシステムプロンプトステアリングは、AIRiskDilemmasにおけるSvR相関を確実に改善しない。
  論文  参考訳（メタデータ） (2026-01-29T16:51:43Z)
• Differential Voting: Loss Functions For Axiomatically Diverse Aggregation of Heterogeneous Preferences [6.3240435869587515]
  人間のフィードバックからの強化学習は投票の一形態として見ることができ、そこではアグリゲーション機構が損失関数によって定義される。 本稿では,古典的な投票規則に有効に対応するように,人口レベルが最適であるような,インスタンスワイドで微分可能な損失関数を構成するフレームワークである差分投票を紹介する。 本分析は, 損失幾何学における設計選択 – マージン感度や境界濃度など – が, 直接的にノルミティブアグリゲーションの挙動にどのように変換されるかを示す。
  論文  参考訳（メタデータ） (2026-01-25T03:59:51Z)
• How Well Can Preference Optimization Generalize Under Noisy Feedback? [7.374590753074647]
  優先最適化は、人間のフィードバックに基づいて、好ましくない応答と好ましくない応答を区別するモデルを訓練する。 既存の研究の多くはノイズのないフィードバックを前提としているが、これは人間の判断に固有の誤りや矛盾のため非現実的である。 本稿では,雑音フィードバックが優先最適化に与える影響を考察し,これらの条件下での一般化保証を提供する。
  論文  参考訳（メタデータ） (2025-10-01T20:56:31Z)
• Detecting and Identifying Selection Structure in Sequential Data [53.24493902162797]
  我々は,音楽のシーケンスなどの実践的な状況において,潜在目的に基づくデータポイントの選択的包摂が一般的である,と論じる。 選択構造はパラメトリックな仮定や介入実験なしで識別可能であることを示す。 また、他の種類の依存関係と同様に、選択構造を検知し、識別するための証明可能な正当性アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-06-29T20:56:34Z)
• ROPO: Robust Preference Optimization for Large Language Models [59.10763211091664]
  外部モデルの助けを借りずにノイズ耐性とノイズサンプルのフィルタリングを統合する反復アライメント手法を提案する。 Mistral-7BとLlama-2-7Bで広く使われている3つのデータセットの実験では、ROPOが既存の嗜好アライメント法を大幅に上回っていることが示されている。
  論文  参考訳（メタデータ） (2024-04-05T13:58:51Z)
• Models of human preference for learning reward functions [80.39289349661364]
  そこで我々は,一対の軌跡区間間の人為的嗜好から報酬関数を学習する。 この仮定に欠陥があることに気付き、各セグメントの後悔が示すように、人間の嗜好をモデル化することを提案する。 提案した後悔の選好モデルは、実際の人間の選好をより良く予測し、また、これらの選好から報酬関数を学習し、より人道的な政策へと導く。
  論文  参考訳（メタデータ） (2022-06-05T17:58:02Z)
• An Efficient and Accurate Rough Set for Feature Selection, Classification and Knowledge Representation [89.5951484413208]
  本稿では, 特徴選択, 分類, 知識表現を同時に実現する, 粗集合に基づく強力なデータマイニング手法を提案する。 まず, ノイズ特性の処理において, 粗集合の非効率性について検討し, 相対的重要度と呼ばれる特性のロバストな測定法を提案する。 公開ベンチマークデータセットによる実験結果から,提案フレームワークは7つの人気や最先端の機能選択手法よりも精度が高いことがわかった。
  論文  参考訳（メタデータ） (2021-12-29T12:45:49Z)
• Information Theoretic Measures for Fairness-aware Feature Selection [27.06618125828978]
  我々は,特徴の精度と識別的影響に関する情報理論に基づく,公平性を考慮した特徴選択のためのフレームワークを開発する。 具体的には、この機能が正確性や非差別的判断にどのように影響するかを定量化する、各機能に対する公平性ユーティリティスコアを設計することを目的としています。
  論文  参考訳（メタデータ） (2021-06-01T20:11:54Z)
• Consensus-Guided Correspondence Denoising [67.35345850146393]
  本稿では,地域間コンセンサス学習フレームワークと対応関係を異色化し,対応関係をロバストに識別する。 ローカル地域からグローバル地域への動的グラフから推定されるコンセンサススコアに基づいて,信頼度の高い候補を初期マッチングから蒸留する新しい「プルーニング」ブロックを導入した。 本手法は、堅牢なラインフィッティング、ワイドベースライン画像マッチング、画像ローカリゼーションベンチマークを顕著なマージンで上回る。
  論文  参考訳（メタデータ） (2021-01-03T09:10:00Z)

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。