論文の概要: Smooth Partial Lotteries for Stable Randomized Selection

• arxiv url: http://arxiv.org/abs/2605.20069v1
• Date: Tue, 19 May 2026 16:22:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.519813
• Title: Smooth Partial Lotteries for Stable Randomized Selection
• Title（参考訳）: 安定なランダム化選択のための平滑部分電池
• Authors: Alexander Goldberg, Giulia Fanti, Nihar B. Shah,
• Abstract要約: 多くの組織では、評価スコアに基づいて選択をランダム化する部分的な宝くじを採用している。 既存の抽選デザインは本質的に不安定であり、単一の候補のスコアへの小さな変更は、選択確率の大きな変化を引き起こす可能性がある。 部分的な宝くじの設計原理として滑らかさを提案し、候補に対するレビュースコアから選択確率へのマッピングにおいて、リプシッツ条件として定式化する。
• 参考スコア（独自算出の注目度）: 61.86327960322782
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Competitive selection processes, from scientific funding to admissions and hiring, use evaluations to score candidates, and eventually choose a subset of them based on those scores. Recently, many organizations have adopted partial lotteries, which randomize selection based on evaluation scores. However, existing lottery designs are inherently unstable, as a small change to a single candidate's score can cause large shifts in their selection probabilities. This instability undermines a key goal of lotteries: reducing the influence of fine-grained score distinctions near the decision boundary. We propose smoothness as a design principle for partial lotteries, formalizing it as a Lipschitz condition on the mapping from review scores over candidates to selection probabilities. We introduce the Clipped Linear Lottery, a simple mechanism in which selection probabilities scale linearly with estimated quality between an upper threshold, above which we always accept, and a lower threshold, below which we always reject. We prove that the Clipped Linear Lottery's worst-case regret matches a lower bound for any smooth selection rule up to a factor of $(1 - k/n)$, where $k/n$ is the acceptance rate. We compare smooth selection to other stability notions like Individual Fairness and Differential Privacy, showing that the Clipped Linear Lottery achieves a better smoothness-regret tradeoff than alternatives. Experiments on real peer review data from ICLR 2025, NeurIPS 2024, and the Swiss National Science Foundation demonstrate that existing lottery designs are highly unstable in practice even under perturbations to a single score. Our experiments also confirm the tightness of our theoretical analysis and show that our proposed Clipped Linear Lottery achieves a better smoothness-utility tradeoff than alternatives in practice.
• Abstract（参考訳）: 科学的資金から入会や採用まで、競争的な選択プロセスは、評価を使用して候補者をスコアし、最終的にそれらのスコアに基づいてそのサブセットを選択する。 近年,評価スコアに基づいて選別をランダム化する部分的抽選方式を採用している組織も少なくない。 しかし、既存の宝くじのデザインは本質的に不安定であり、単一の候補のスコアへの小さな変更は、選択確率に大きな変化を引き起こす可能性がある。 この不安定さは、決定境界付近のきめ細かいスコアの差の影響を減らすという、宝くじの重要な目標を損なう。 部分的な宝くじの設計原理として滑らかさを提案し、候補に対するレビュースコアから選択確率へのマッピングにおいて、リプシッツ条件として定式化する。 選択確率を線形にスケールする単純なメカニズムであるClipped Linear Lotteryを導入し、上層しきい値(上層しきい値)と下層しきい値(下層しきい値)の間に推定品質を推定する。 Clipped Linear Lottery's worst-case regret は任意のスムーズな選択規則に対する低い境界値(1-k/n)$で、$k/n$は受け入れ率であることを示す。 我々は、スムーズな選択と、パーソナライズフェアネスや微分プライバシといった他の安定性概念を比較し、Clipped Linear Lotteryが代替品よりもスムーズでレグレットなトレードオフを実現していることを示す。 ICLR 2025、NeurIPS 2024、およびスイス国立科学財団による実際のピアレビューデータに関する実験では、既存の宝くじの設計は、1つのスコアに摂動しても実際に非常に不安定であることを示した。 また, 提案したクリッピング線形ロテリは, 実際には代替品よりもスムーズ性・効用トレードオフが良好であることを示す。

関連論文リスト

• Learning Unanimously Acceptable Lotteries via Queries [17.857261852690346]
  本稿では,アルゴリズムが宝くじを提案し,二進的アセプション/リジェクトフィードバックのみを受信するクエリモデルについて検討する。 決定論的かつランダムなアルゴリズムは、全会一致で許容される宝くじを見つけたり、実現不可能性を証明したりする。 我々は、自然形態のアドバイスを利用する学習強化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2026-04-19T15:51:59Z)
• Optimistic Feasible Search for Closed-Loop Fair Threshold Decision-Making [0.0]
  バンディットフィードバックからの1次元しきい値ポリシーのオンライン学習について検討する。 我々は,報酬と制約残差に対する信頼境界を維持する単純なグリッドベース手法であるOptimistic Feasible Search (OFS)を提案する。
  論文  参考訳（メタデータ） (2025-12-26T10:44:40Z)
• Consistency of Selection Strategies for Fraud Detection [0.0]
  我々は、保険業者が詐欺を捜査する主張をどう選ぶかを研究する。 これは一貫性のない学習につながる可能性があり、ランダムな代替案を提案する。
  論文  参考訳（メタデータ） (2025-09-23T07:33:33Z)
• 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)
• Decision from Suboptimal Classifiers: Excess Risk Pre- and Post-Calibration [52.70324949884702]
  バッチ二分決定における近似的後続確率を用いた余剰リスクの定量化を行う。 我々は、再校正のみが後悔のほとんどに対処する体制と、後悔が集団的損失に支配される体制を識別する。 NLP実験では、これらの量によって、より高度なポストトレーニングの期待値が運用コストに値するかどうかが分かる。
  論文  参考訳（メタデータ） (2025-03-23T10:52:36Z)
• 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)

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。