Fugu-MT 論文翻訳(概要): Multi-Objective Multi-Agent Bandits: From Learning Efficiency to Fairness Optimization

論文の概要: Multi-Objective Multi-Agent Bandits: From Learning Efficiency to Fairness Optimization

arxiv url: http://arxiv.org/abs/2605.06864v1
Date: Thu, 07 May 2026 19:06:34 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-11 19:43:38.567505
Title: Multi-Objective Multi-Agent Bandits: From Learning Efficiency to Fairness Optimization
Title（参考訳）: 多目的マルチエージェントバンド:学習効率からフェアネス最適化へ
Authors: John Wang, Mengfan Xu,
Abstract要約: マルチオブジェクトマルチエージェントマルチアームバンド (MO-MA-MAB) について, エージェントがヘテロジニアスな報酬ベクトルを観測し, 時間変動グラフを介して通信する報奨条件下で検討する。我々は,この新たな課題を,パレートの後悔によって測定された,非効率な学習に対処するために定式化し,社会福祉を通じて獲得した新たな目標として,エンフェアラーニングを取り入れた。フェアネス制約を表現するために、選好スカラー化された報酬よりもナッシュ社会福祉目標を定式化し、嗜好に基づく報酬シミュレーション、ゴシップを統合したテキストSimulated NSW UCB Gossipを提案する。
参考スコア（独自算出の注目度）: 4.774863352469391
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study multi-objective multi-agent multi-armed bandits (MO-MA-MAB) under stochastic rewards, where agents observe heterogeneous reward vectors and communicate over time-varying graphs. We formulate this emerging problem setting to address \emph{efficient learning}, measured by Pareto regret, and incorporate \emph{fair learning} as an additional goal, captured via social welfare. To measure efficiency, we formulate Pareto regret and develop \textsc{Pareto UCB1 Gossip}, whose novel exploration radius explicitly separates statistical uncertainty in Pareto-based inference from consensus error. To express the fairness constraint, we formulate a Nash Social Welfare objective over preference-scalarized rewards and propose \textsc{Simulated NSW UCB Gossip}, which integrates preference-based reward simulation, gossip-based utility estimation, and UCB-style exploration. We prove that \textsc{Pareto UCB1 Gossip} achieves $\mathcal{O}(\log T)$ regret and an instance-independent rate of $\mathcal{O}(\sqrt{T})$, while \textsc{Simulated NSW UCB Gossip} achieves an instance-independent regret bound of $\mathcal{O}(T^{3/4})$. This separation reveals the cost of imposing the fairness constraint to our efficiency objective: fairness limits information aggregation and slows convergence. Experiments show that our methods consistently outperform baselines, improving performance by approximately $100\%$ and $50\%$ in the efficiency and fairness settings, respectively.
Abstract（参考訳）: 我々は,多目的マルチエージェントバンド (MO-MA-MAB) を確率的報酬の下で研究し,エージェントが不均一な報酬ベクトルを観察し,時間変動グラフを介して通信する。そこで我々は,この新たな課題を,パレートの後悔によって測定された「emph{efficient learning}」に対処し,社会福祉を通じて獲得した「emph{fair learning}」を新たな目標として組み込むことを定式化した。効率を測定するために、パレートの後悔を定式化し、新しい探索半径がパレートベースの推論における統計的不確実性をコンセンサス誤差から明確に分離する「textsc{Pareto UCB1 Gossip}」を開発する。フェアネス制約を表現するために、選好スカラー化された報酬よりもナッシュ社会福祉の目的を定式化し、嗜好に基づく報酬シミュレーション、ゴシップに基づくユーティリティ推定、UCBスタイルの探索を統合した \textsc{Simulated NSW UCB Gossip} を提案する。我々は、 \textsc{Pareto UCB1 Gossip} が $\mathcal{O}(\log T)$ の後悔と $\mathcal{O}(\sqrt{T})$ のインスタンス非依存率を達成するのに対し、 \textsc{Simulated NSW UCB Gossip} は $\mathcal{O}(T^{3/4})\ のインスタンス非依存後悔境界を達成することを証明している。この分離により、効率目標に公正性制約を課すコストが明らかになる: 公正性は情報集約を制限し、収束を遅くする。実験の結果,提案手法はベースラインを一貫して上回り,効率と公平性の設定において,それぞれ約 \(100\%$ および $50\%$ の性能を向上させることがわかった。

関連論文リスト

Learning Shared Representations for Multi-Task Linear Bandits [7.978226788634307]
マルチタスク表現学習は、関連するタスク間で共有潜在表現を学習するアプローチである。特徴次元 d を持つ T の並列線型バンドイットタスクは、次元 r ll Mind,T$ の共通潜在表現を共有する。我々は、共有低ランク表現を利用して意思決定を強化する、顔の不確かさリニア(OFUL)アルゴリズムの新たな最適化を提案する。
論文参考訳（メタデータ） (2026-04-01T06:18:17Z)
Thompson Sampling for Multi-Objective Linear Contextual Bandit [29.777578580338584]
本稿では,複数の競合する対象を同時に最適化しなければならない多目的線形文脈帯域問題について検討する。本稿では,テキストファーストのトンプソンサンプリングアルゴリズムである textttMOL-TS を提案する。提案手法の利点を実証し, 後悔の最小化と多目的性能の向上を実証した。
論文参考訳（メタデータ） (2025-11-30T15:18:01Z)
Modest-Align: Data-Efficient Alignment for Vision-Language Models [67.48633659305592]
クロスモーダルアライメントモデルは、リソース制約のある環境での運用において、過信と劣化したパフォーマンスに悩まされることが多い。我々は,ロバスト性と効率性に配慮した軽量アライメントフレームワークであるModest-Alignを提案する。本手法は,実世界の低リソースシナリオにおけるクロスモーダルアライメントを実現するための,実用的でスケーラブルなソリューションを提供する。
論文参考訳（メタデータ） (2025-10-24T16:11:10Z)
Generalized Linear Bandits: Almost Optimal Regret with One-Pass Update [70.38810219913593]
非線形リンク関数を組み込んで古典線形モデルを拡張したコンテキスト型多武装バンディットフレームワークである一般化線形バンディット問題(GLB)について検討する。 GLBは現実世界のシナリオに広く適用できるが、その非線形性は計算効率と統計効率の両方を達成する上で大きな課題をもたらす。本稿では,$mathcalO(1)$時間と1ラウンドあたりの空間複雑度をほぼ最適に再現するアルゴリズムを提案する。
論文参考訳（メタデータ） (2025-07-16T02:24:21Z)
Concurrent Learning with Aggregated States via Randomized Least Squares Value Iteration [40.73142019282658]
ランダム化を注入することは、環境を連続的に探索するエージェントの社会に役立てるかどうかを考察する。有限および無限水平環境における最悪の後悔境界を示す。我々は空間の複雑さを$K$の係数で減らし、最悪ケースの後悔の上限を$sqrtK$だけ増やす。
論文参考訳（メタデータ） (2025-01-23T05:37:33Z)
Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
論文参考訳（メタデータ） (2023-12-27T09:03:43Z)
Contextual Model Aggregation for Fast and Robust Federated Learning in Edge Computing [88.76112371510999]
フェデレーション学習は、ネットワークエッジにおける分散機械学習の第一候補である。既存のアルゴリズムは、性能の緩やかな収束や堅牢性の問題に直面している。そこで本稿では,損失低減に対する最適コンテキスト依存境界を実現するためのコンテキストアグリゲーション手法を提案する。
論文参考訳（メタデータ） (2022-03-23T21:42:31Z)
Boosting Discriminative Visual Representation Learning with Scenario-Agnostic Mixup [54.09898347820941]
自己教師付き学習(SSL)と教師付き学習(SL)の両方のシナリオに対して,textbfScenario-textbfAgnostic textbfMixup (SAMix)を提案する。具体的には、2つの混合クラス間の局所的な滑らかさを最適化するために、混合生成の目的関数を仮説化し、検証する。非自明な混合サンプルを効果的に提供し、転送可能な能力を向上させるラベルフリーな生成サブネットワークを設計する。
論文参考訳（メタデータ） (2021-11-30T14:49:59Z)

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。