論文の概要: Contests with Spillovers: Incentivizing Content Creation with GenAI

• arxiv url: http://arxiv.org/abs/2603.14372v1
• Date: Sun, 15 Mar 2026 13:24:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.777749
• Title: Contests with Spillovers: Incentivizing Content Creation with GenAI
• Title（参考訳）: Spilloversとの議論:GenAIによるコンテンツ創造のインセンティブ
• Authors: Sagi Ohayon, Boaz Taitler, Omer Ben-Porat,
• Abstract要約: GenAIは、ポジティブな流出の経済現象を増幅する。 本稿では,Spillovers (CCS) モデルを用いたコンテンツ作成について紹介する。 我々は,広い種類の流出構造に適用可能な近似アルゴリズムを開発した。
• 参考スコア（独自算出の注目度）: 8.786074330530889
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rise of GenAI amplifies the economic phenomenon of positive spillovers. When creators contribute content that can be reused and adapted by Large Language Models (LLMs), each creator's effort can enhance the content quality of others by enabling easy imitation and recombination of existing content. On the one hand, such spillovers create value for the entire ecosystem; on the other hand, they risk undermining creators' incentives to invest genuine effort, as others may freely benefit from their contributions. To address this problem, we introduce the Content Creation with Spillovers (CCS) model. In our model, each creator chooses an effort level that, together with the efforts of others, determines her content quality. The platform aims to maximize the social welfare of consumers under stable behavior of the creators (pure Nash equilibrium), but can only observe the resulting qualities and not the underlying efforts. Interestingly, simple mechanisms like winner-takes-all and Tullock lead to the non-existence of equilibrium. In response, we propose the parametrized family of Provisional Allocation mechanisms, guaranteeing equilibrium existence and a unique Pareto-dominant equilibrium. While maximizing the social welfare under this family is NP-hard, we develop approximation algorithms that apply to a broad class of spillover structures and provide strong welfare guarantees. Specifically, in the worst-case analysis, we devise efficient algorithms for bounded spillovers and tree-structure spillovers. We also introduce Greedy Cost Selection, a linearithmic time algorithm that achieves approximately optimal results in the average case analysis. Together, our results provide game-theoretic foundations for sustaining human content creation in the era of GenAI.
• Abstract（参考訳）: GenAIの台頭は、ポジティブな流出の経済現象を増幅する。 クリエーターがLarge Language Models (LLMs) で再利用および適応可能なコンテンツをコントリビュートする場合、各クリエーターの取り組みは、既存のコンテンツの模倣と再結合を容易にすることで、他のクリエーターのコンテンツ品質を高めることができる。 一方、こうした流出はエコシステム全体に価値をもたらすが、一方で、クリエイターの真の努力へのインセンティブを損なうリスクもある。 この問題に対処するために,Spillovers (CCS) モデルを用いたコンテンツ作成手法を提案する。 私たちのモデルでは、各クリエーターは、他の人の努力とともに、コンテンツ品質を決定する努力レベルを選択します。 このプラットフォームは、クリエイターの安定した行動の下で消費者の社会的福祉を最大化することを目的としている(純粋なナッシュ均衡)。 興味深いことに、入賞者オールやタルロックのような単純なメカニズムは均衡の非存在に繋がる。 これに対して, 仮配置機構のパラメタライズドファミリーを提案し, 平衡の存在と一意なパレート優位平衡を保証した。 この家族の下での社会福祉の最大化はNPハードであるが、幅広い種類の流出構造に適用し、強力な福祉保証を提供する近似アルゴリズムを開発した。 特に、最悪のケース分析では、有界な流出と木構造的な流出に対する効率的なアルゴリズムを考案する。 また、平均ケース分析において、ほぼ最適な結果が得られる線形時間アルゴリズムであるGreedy Cost Selectionを導入する。 本研究は,GenAI時代の人的コンテンツ制作を継続するためのゲーム理論の基礎を提供するものである。

関連論文リスト

• Relational Graph Modeling for Credit Default Prediction: Heterogeneous GNNs and Hybrid Ensemble Learning [0.0]
  信用デフォルトのリスクは、借り手、金融機関、取引レベルの行動の間の複雑な相互作用から生じる。 我々は3300万のノードと5000万のエッジを含む大規模不均一グラフを構築した。
  論文  参考訳（メタデータ） (2026-01-21T04:13:41Z)
• Generative AI as a Non-Convex Supply Shock: Market Bifurcation and Welfare Analysis [4.887749221165767]
  我々は、GenAIのコストが、市場をAIの出口と人間のセグメントに再活性化させ、-class hollow'のアウトプットを生成する方法を示す。 我々は、最適ガバナンスは、遅延フェール渋滞管理に向けたものでなければならないと結論づける。
  論文  参考訳（メタデータ） (2026-01-18T17:00:40Z)
• Integrating upstream and downstream reciprocity stabilizes cooperator-defector coexistence in N-player giving games [1.1381558444077822]
  認知的制約やグループ規模の課題にもかかわらず、社会的な協力を含め、ペイ・イット・フォワード・チェーンとアセスメント・システムは共同で社会を維持することができることを示す。 この枠組みは、認知的制限やグループサイズの課題に拘わらず、社会的な協力を共同で維持する方法を実証する。
  論文  参考訳（メタデータ） (2025-09-05T01:49:26Z)
• When Is Diversity Rewarded in Cooperative Multi-Agent Learning? [11.526906471052868]
  異種チームに適した目的を調査する。 計算パラダイムとしてマルチエージェント強化学習(MARL)を用いる。 We show that HetGPS reiscovers the reward regimes predict by our theory。
  論文  参考訳（メタデータ） (2025-06-11T06:33:55Z)
• From Debate to Equilibrium: Belief-Driven Multi-Agent LLM Reasoning via Bayesian Nash Equilibrium [52.28048367430481]
  マルチエージェントフレームワークは、大規模言語モデル(LLM)の推論能力を高めることができるが、通常は計算コストと収束保証が欠如している。 我々は、不完全情報ゲームとしてマルチLLMコーディネーションをリキャストし、ベイズナッシュ均衡(BNE)を求める。 我々は、分散推論と集中的な最終出力を結合する階層的強化学習パラダイムである、Nash Equilibrium (ECON)による効率的なコーディネーションを導入する。
  論文  参考訳（メタデータ） (2025-06-09T23:49:14Z)
• Discovering Quality-Diversity Algorithms via Meta-Black-Box Optimization [8.5083347559272]
  品質多様性(Quality-Diversity)は、高性能なソリューションの多様な集団を生成する進化アルゴリズムのファミリーである。 メタラーニングを用いて,新しい品質多様性アルゴリズムの自動発見を提案する。
  論文  参考訳（メタデータ） (2025-02-04T10:13:13Z)
• Barriers to Welfare Maximization with No-Regret Learning [68.66209476382213]
  我々は、ほぼ最適の$T$-sparse CCEの計算限界を低く証明する。 特に,最大傾斜角の不適応性は,時間内に非自明な間隔を達成できないことを示す。
  論文  参考訳（メタデータ） (2024-11-04T00:34:56Z)
• Diversity-Rewarded CFG Distillation [62.08448835625036]
  そこで本研究では,CFGの限界に対処しつつ,CFGの強度を蒸留する新しい微調整法であるCFG蒸留を導入する。 提案手法は,(1)蒸留目標,(CFGを使わずに)モデルのみにCFG拡張予測を模倣するよう促すこと,(2)多様性報酬を付与したRL目標,および与えられたプロンプトに対する多様な出力の生成を促進すること,の2つの訓練目標を最適化する。
  論文  参考訳（メタデータ） (2024-10-08T14:40:51Z)
• Modeling Content Creator Incentives on Algorithm-Curated Platforms [76.53541575455978]
  本研究では,アルゴリズムの選択が露出ゲームにおける(ナッシュ)平衡の存在と性格にどのように影響するかを検討する。 本研究では、露出ゲームにおける平衡を数値的に見つけるためのツールを提案し、MovieLensとLastFMデータセットの監査結果を示す。
  論文  参考訳（メタデータ） (2022-06-27T08:16:59Z)
• Inducing Equilibria via Incentives: Simultaneous Design-and-Play Finds Global Optima [114.31577038081026]
  本稿では,デザイナーとエージェントの問題を同時に1ループで解くための効率的な手法を提案する。 設計者は平衡問題を何度も解決しないが、エージェントに対するインセンティブの全体的な影響を予測できる。 このアルゴリズムは,幅広い種類のゲームに対して,サブ線形速度で大域的最適値に収束することを示す。
  論文  参考訳（メタデータ） (2021-10-04T06:53:59Z)

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。