論文の概要: Finding Common Ground in a Sea of Alternatives

• arxiv url: http://arxiv.org/abs/2603.16751v1
• Date: Tue, 17 Mar 2026 16:28:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 17:42:07.418626
• Title: Finding Common Ground in a Sea of Alternatives
• Title（参考訳）: 代替品の海における共通地盤の発見
• Authors: Jay Chooi, Paul Gölz, Ariel D. Procaccia, Benjamin Schiffer, Shirley Zhang,
• Abstract要約: 多様な人口嗜好にまたがる共通基盤を見いだす文を選別する問題について検討する。 生成AIは、事実上無限のステートメントセットにアクセスすることができるため、このタスクに一意に適している。 本稿では,社会選択の比例的ベトコアに基づく,無限の代替設定における共通基盤を見つけるための公式なモデルを提案する。
• 参考スコア（独自算出の注目度）: 22.60243910902928
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the problem of selecting a statement that finds common ground across diverse population preferences. Generative AI is uniquely suited for this task because it can access a practically infinite set of statements, but AI systems like the Habermas machine leave the choice of generated statement to a voting rule. What it means for this rule to find common ground, however, is not well-defined. In this work, we propose a formal model for finding common ground in the infinite alternative setting based on the proportional veto core from social choice. To provide guarantees relative to these infinitely many alternatives and a large population, we wish to satisfy a notion of proportional veto core using only query access to the unknown distribution of alternatives and voters. We design an efficient sampling-based algorithm that returns an alternative in the (approximate) proportional veto core with high probability and prove matching lower bounds, which show that no algorithm can do the same using fewer queries. On a synthetic dataset of preferences over text, we confirm the effectiveness of our sampling-based algorithm and compare other social choice methods as well as LLM-based methods in terms of how reliably they produce statements in the proportional veto core.
• Abstract（参考訳）: 多様な人口嗜好にまたがる共通基盤を見いだす文を選別する問題について検討する。 しかし、HabermasマシンのようなAIシステムは、生成されたステートメントの選択を投票ルールに任せている。 しかし、このルールが共通基盤を見つけることの意味は、十分に定義されていない。 本研究では,社会的選択の比例的ベトコアに基づく,無限の代替設定における共通基盤を見つけるための形式モデルを提案する。 これら無限に多くの代替案と人口に対する保証を提供するため、我々は、未知の代替案と有権者の分布に対するクエリアクセスのみを使用して、比例ベトコアの概念を満足したいと考えている。 提案アルゴリズムは, 高い確率で(近似)比例ベトコアの代替を返却し, 一致した下界を証明し, 少ないクエリで同じことができるアルゴリズムは存在しないことを示す。 テキストよりも好みの合成データセットを用いて、サンプリングに基づくアルゴリズムの有効性を確認し、比例ベトコアにおける文の正確性の観点から、他の社会的選択法とLCMに基づく手法を比較した。

関連論文リスト

• Evaluation of Multi- and Single-objective Learning Algorithms for Imbalanced Data [0.0]
  機械学習タスクは、単体ではなく、しばしば反対する一連の基準のためにうまく機能するモデルを見つけることを目的としている。 1つの解決策は、集合的学習基準を提案し、多目的学習課題を単一基準最適化問題に還元することである。 本稿では,単一解を返す手法を用いた多目的アルゴリズムに基づく,新しい信頼性の高いアルゴリズム評価手法を提案する。
  論文  参考訳（メタデータ） (2025-11-15T12:54:17Z)
• Reasoning Planning for Language Models [23.519351730129426]
  本稿では,コントラスト学習フレームワークであるEPICを紹介する。 EPICは、モデル推論能力とクエリメソッド互換性の両方をキャプチャする共有表現空間を学習する。 多様な数学的推論タスクの実験は、EPICが常に最適な推論方法を選択することを示している。
  論文  参考訳（メタデータ） (2025-11-01T11:51:53Z)
• Optimized Distortion in Linear Social Choice [28.227695590829086]
  決定的およびランダムな投票規則に対する線形社会的選択の歪みについて検討する。 候補と票の集合による歪みを最小化する多時間インスタンス最適化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-10-22T20:42:49Z)
• A Principled Approach to Randomized Selection under Uncertainty: Applications to Peer Review and Grant Funding [61.86327960322782]
  本稿では,各項目の品質の間隔推定に基づくランダム化意思決定の枠組みを提案する。 最適化に基づく最適化手法であるMERITを導入する。 MERITが既存のアプローチで保証されていない望ましい公理特性を満たすことを証明している。
  論文  参考訳（メタデータ） (2025-06-23T19:59:30Z)
• Alternates, Assemble! Selecting Optimal Alternates for Citizens' Assemblies [1.5624421399300306]
  市民の集会は、無作為に選ばれた人々が政策問題について議論する、熟考民主主義の影響力のある形態である。 ドロップアウトはプリセレクトされた代替物に置き換えられるが、既存のメソッドはこれらの代替物を選択する方法に対処しない。 代替選択のための最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-02T17:48:33Z)
• Provable Scaling Laws for the Test-Time Compute of Large Language Models [84.00141420901038]
  本研究では,大規模言語モデルのテスト時間計算において,証明可能なスケーリング法則を享受する2つのアルゴリズムを提案する。 1つは2段階ノックアウト方式のアルゴリズムで、各候補は複数の相手に対して平均勝利率で評価される。 もう1つは2段階のリーグ方式のアルゴリズムで、各候補は複数の相手に対して平均勝利率で評価される。
  論文  参考訳（メタデータ） (2024-11-29T05:29:47Z)
• Efficient Weighting Schemes for Auditing Instant-Runoff Voting Elections [57.67176250198289]
  AWAIREは、適応的に重み付けされたテスト統計量であり、本質的には、テストに有効な仮説のセットを「学習」する。 我々は、より広範囲にスキームと設定を検討し、実践のための効率的な選択を特定し、推奨する。 現在のAWAIRE実装の制限は、少数の候補者に限られている。
  論文  参考訳（メタデータ） (2024-02-18T10:13:01Z)
• Heuristic Algorithms for the Approximation of Mutual Coherence [0.22099217573031676]
  ドイツでは、この制度は有権者が政治的嗜好に最も近い候補者を見つけるのに役立つ。 相互一貫性の正確な反復は、意見のすべての部分集合に対する反復のために非常に時間がかかります。 この研究は、この計算を加速する最初の研究である。 精度はWale-O-Matのようなシステムで使用するのに十分正確である。
  論文  参考訳（メタデータ） (2023-07-04T10:47:02Z)
• Adaptive Sampling for Heterogeneous Rank Aggregation from Noisy Pairwise Comparisons [85.5955376526419]
  ランキングアグリゲーション問題では、各項目を比較する際に、様々な精度レベルが示される。 本稿では,ノイズのあるペアワイズ比較によってアイテムのランクを推定する,除去に基づくアクティブサンプリング戦略を提案する。 提案アルゴリズムは,商品の真のランキングを高い確率で返却できることを示す。
  論文  参考訳（メタデータ） (2021-10-08T13:51:55Z)
• Adaptive Combinatorial Allocation [77.86290991564829]
  割り当てが繰り返し選択され、戻り値は不明だが学習可能であり、決定には制約が伴う。 我々のモデルは、複雑な制約があっても、両側のマッチングと一方のマッチングをカバーしています。
  論文  参考訳（メタデータ） (2020-11-04T15:02:59Z)

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。