Fugu-MT 論文翻訳(概要): Identifying two piecewise linear additive value functions from anonymous preference information

論文の概要: Identifying two piecewise linear additive value functions from anonymous preference information

arxiv url: http://arxiv.org/abs/2602.20638v1
Date: Tue, 24 Feb 2026 07:37:02 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-25 17:34:53.650881
Title: Identifying two piecewise linear additive value functions from anonymous preference information
Title（参考訳）: 匿名嗜好情報から2つの一方向線形付加値関数を同定する
Authors: Vincent Auriau, Khaled Belahcene, Emmanuel Malherbe, Vincent Mousseau, Marc Pirlot,
Abstract要約: 選好モデルを緩和するには、人、名前のついた意思決定者、一連の質問を問う必要がある。これらの選好は加法値関数で表せると仮定する。
参考スコア（独自算出の注目度）: 0.5882370515228573
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Eliciting a preference model involves asking a person, named decision-maker, a series of questions. We assume that these preferences can be represented by an additive value function. In this work, we query simultaneously two decision-makers in the aim to elicit their respective value functions. For each query we receive two answers, without noise, but without knowing which answer corresponds to which decision-maker.We propose an elicitation procedure that identifies the two preference models when the marginal value functions are piecewise linear with known breaking points.
Abstract（参考訳）: 選好モデルを緩和するには、人、名前のついた意思決定者、一連の質問を問う必要がある。これらの選好は加法値関数で表せると仮定する。本研究では,それぞれの値関数を抽出する目的で,同時に2人の意思決定者に対して問い合わせを行う。各問合せに対してノイズを伴わずに2つの解答を受信するが,どの解答がどの意思決定者に対応するかを知ることなく,限界値関数が既知の破点を持つ一方向線形である場合に,その2つの選好モデルを識別する帰納手順を提案する。

関連論文リスト

Clarify When Necessary: Resolving Ambiguity Through Interaction with LMs [58.620269228776294]
そこで本稿では,ユーザに対して,あいまいさを解消するためのタスク非依存のフレームワークを提案する。我々は3つのNLPアプリケーション(質問応答、機械翻訳、自然言語推論)にまたがるシステムを評価する。インテントシムは堅牢であり、幅広いNLPタスクやLMの改善を実証している。
論文参考訳（メタデータ） (2023-11-16T00:18:50Z)
An Interpretable Determinantal Choice Model for Subset Selection [0.0]
本稿では,直観的ランダム効用モデルと抽出可能な決定点プロセスの2つのサブセット選択モデルを結合する。両世界のベストを享受する決定的選択モデルを特定する。シミュレーション研究により,データから負の依存関係の連続体を学習できることが検証され,LoRaネットワークにおける無線干渉に関する新たな知見が得られた。
論文参考訳（メタデータ） (2023-02-22T16:26:38Z)
Learning Choice Functions with Gaussian Processes [0.225596179391365]
消費者理論において、利用可能なオブジェクトを選好関係でランク付けすると、個々の選択の最も一般的な記述が得られる。本稿では,個人が設定値の選択を表現できる選択モデルを提案する。
論文参考訳（メタデータ） (2023-02-01T12:46:43Z)
Double Retrieval and Ranking for Accurate Question Answering [120.69820139008138]
本研究では,トランスフォーマーを用いた解答選択モデルに導入された解答検証ステップが,問合せ解答における解答の精度を大幅に向上させることを示す。 AS2のためのよく知られた3つのデータセットの結果は、最先端の一貫性と大幅な改善を示している。
論文参考訳（メタデータ） (2022-01-16T06:20:07Z)
Information efficient learning of complexly structured preferences: Elicitation procedures and their application to decision making under uncertainty [0.0]
複雑に構造化された嗜好を効率よく抽出する方法を提案する。特定の条件下では、選好システムを完全に指定せずに最適な決定が見つかることを示す。
論文参考訳（メタデータ） (2021-10-19T07:01:24Z)
Concurrent Discrimination and Alignment for Self-Supervised Feature Learning [52.213140525321165]
既存の自己指導型学習手法は,(1)どの特徴が分離されるべきかを明確に示すこと,あるいは(2)どの特徴が閉じるべきかを明確に示すこと,のいずれかのプリテキストタスクを用いて学習する。本研究では,識別・調整手法の正の側面を組み合わせて,上記の課題に対処するハイブリッド手法を設計する。本手法は,識別的予測タスクによってそれぞれ反発とアトラクションのメカニズムを明確に特定し,ペアビュー間の相互情報を同時に最大化する。確立された9つのベンチマーク実験により,提案モデルが自己監督と移動の既成結果より一貫して優れていることが示された。
論文参考訳（メタデータ） (2021-08-19T09:07:41Z)
Generative Context Pair Selection for Multi-hop Question Answering [60.74354009152721]
マルチホップ質問応答のための生成コンテキスト選択モデルを提案する。提案した生成経路選択モデルは,対向保留集合上でのより良い性能(ベースラインより4.9%高い)を有する。
論文参考訳（メタデータ） (2021-04-18T07:00:48Z)
Contrastive Explanations for Model Interpretability [77.92370750072831]
分類モデルの対照的説明を生成する手法を提案する。本手法は潜在空間へのモデル表現の投影に基づいている。本研究は,モデル決定のより正確できめ細かな解釈性を提供するためのラベルコントラスト的説明の能力に光を当てた。
論文参考訳（メタデータ） (2021-03-02T00:36:45Z)
True to the Model or True to the Data? [9.462808515258464]
この選択は、モデルに真であることが望ましいか、データに真であることが望ましいかどうかに起因している、と私たちは主張する。異なる価値関数の選択がそれぞれのシナリオでどのように機能するか、そして、モデル選択によってどのように属性が影響されるかを示す。
論文参考訳（メタデータ） (2020-06-29T17:54:39Z)
Crossing Variational Autoencoders for Answer Retrieval [50.17311961755684]
質問・回答アライメントと質問・回答セマンティクスは、表現を学ぶための重要な信号である。そこで本研究では,回答を一致させた質問を生成し,回答を一致した質問で生成することで,変分自動エンコーダを横断する手法を提案する。
論文参考訳（メタデータ） (2020-05-06T01:59:13Z)

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。