論文の概要: Social welfare optimisation under institutional reward and punishment
- arxiv url: http://arxiv.org/abs/2605.31330v1
- Date: Fri, 29 May 2026 14:04:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-01 20:56:50.654866
- Title: Social welfare optimisation under institutional reward and punishment
- Title（参考訳）: 制度的報酬と処罰による社会福祉の最適化
- Abstract要約: 我々は,社会ジレンマを呈する有限人口における制度的インセンティブのための福祉中心の枠組みを構築した。
我々は、期待される社会福祉と、それがインセンティブ効率と選択強度にどのように依存するかを明確に表現する。
その結果、コストや協力頻度に最適化されたインセンティブと、福祉を最大化するインセンティブの体系的なギャップが明らかとなった。
- 参考スコア（独自算出の注目度）: 6.8711834942604915
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Institutional incentives are widely used to promote cooperation among autonomous, self-regarding agents, from human societies to multi-agent and AI systems. Existing work typically treats incentive design as a bi-objective problem: minimise institutional cost while achieving a high long-run frequency of cooperation. Whether such schemes also maximise social welfare - total population payoff net of institutional expenditure - has remained largely unexplored. We develop a welfare-centric framework for institutional incentives in finite, well-mixed populations playing a social dilemma (Donation Game and Public Goods Game), considering both rewards for cooperators and punishments for defectors. For each mechanism, we derive explicit expressions for expected social welfare and characterise how it depends on incentive efficiency and selection intensity. Analytically, we identify parameter regimes where social welfare has a single optimal incentive level and regimes with qualitative phase transitions, in which welfare becomes non-monotonic with multiple local optima. We prove that any welfare-maximising incentive is either zero or concentrated around a simple closed-form target, and we provide an efficient algorithm to compute these optima. Comparing reward and punishment, we further derive close-formed conditions under which reward outperform punishment in terms of social welfare for any given budget. Overall, our results reveal a systematic gap between incentives optimised for cost or cooperation frequency and those that maximise welfare.
- Abstract（参考訳）: 制度的なインセンティブは、人間社会からマルチエージェントやAIシステムに至るまで、自律的で自己尊重的なエージェント間の協力を促進するために広く使用されている。
既存の作業は、インセンティブ設計を二目的問題として扱うのが一般的である。
こうした制度が社会福祉を最大化するかどうか - 制度的支出の総人口給付網 - は、ほとんど未調査のままである。
我々は,社会ジレンマ(寄付ゲームと公益ゲーム)をプレイする有限人口における制度的インセンティブのための福祉中心の枠組みを開発する。
各メカニズムについて、期待される社会福祉の明確な表現を導き、インセンティブ効率と選択強度にどのように依存するかを特徴付ける。
分析学的には,社会福祉が一つの最適インセンティブレベルを持つパラメータ体制と質的位相遷移を持つパラメータ体制を同定し,複数の局所最適条件で福祉が非モノトニックとなる。
我々は、福祉を最大化するインセンティブがゼロであるか、あるいは単純な閉形式の対象に集中していることを証明し、これらの最適化を効率的に計算するアルゴリズムを提供する。
報酬と刑罰を比較すると、報酬が与えられた予算に対する社会福祉の点において罰に優れる厳格な条件がもたらされる。
その結果、コストや協力頻度に最適化されたインセンティブと、福祉を最大化するインセンティブの体系的なギャップが明らかとなった。
関連論文リスト
- Co-evolution of social reward and punishment under institutional interventions [4.789843817744408]
我々は,社会ジレンマにおける協力,社会福祉,執行効率の進化を,ピアインセンティブと制度インセンティブが共同でどのように形成するかを検討する。
4つの戦略を持つ囚人ジレンマでは、中央集権的なピアインセンティブと中央集権的な機関インセンティブが同時に作用することを許可する。
対人罰は協力を強く促進する一方、対人報酬は社会福祉にとってより有益である。
論文 参考訳（メタデータ） (2026-08-02T12:06:46Z) - Mechanism Design Is Not Enough: Prosocial Agents for Cooperative AI [49.05972944310475]
契約がすべての関連する将来の事態を区別できない場合、現実的なメカニズムを排除できない、厳密な肯定的な福祉損失が存在することを示す。
このギャップを埋め、社会的に優越し、個々に有益である結果が得られることを示す。
論文 参考訳（メタデータ） (2026-05-08T19:37:07Z) - Social welfare optimisation in well-mixed and structured populations [6.45507185761727]
我々は,最大社会福祉の実現は,エージェントを望ましい協力状態に導くために必要な最小のインセンティブコストで保証されないことを示す。
その結果, 純コスト効率や協力頻度を最適化し, 最大社会福祉を最適化することで, 個人ごとのインセンティブコストに大きな差があることが判明した。
総じて, 多エージェントシステムと人間社会におけるインセンティブ設計, 政策, ベンチマークは, コストや協力頻度のプロキシターゲットよりも, 福祉中心の目標を優先すべきであることが示唆された。
論文 参考訳（メタデータ） (2025-12-08T11:27:43Z) - Social Welfare Function Leaderboard: When LLM Agents Allocate Social Welfare [87.06241096619112]
大規模言語モデル(LLM)は、人間の福祉に影響を及ぼす高い意思決定にますます信頼されている。
本稿では, LLMが主権アロケータとして機能する動的シミュレーション環境である社会福祉機能ベンチマークを紹介する。
我々は、20の最先端LCMを評価し、社会福祉確保のための第1のリーダーボードを提示する。
論文 参考訳（メタデータ） (2025-10-01T17:52:31Z) - From Individual to Multi-Agent Algorithmic Recourse: Minimizing the Welfare Gap via Capacitated Bipartite Matching [9.37591403853433]
本稿では,マルチエージェント・アルゴリズム・リコースのための新しいフレームワークを提案する。
我々のフレームワークは,システム設定に最小限の修正を加えて,多対多のアルゴリズムでほぼ最適の福祉を実現することができる。
論文 参考訳（メタデータ） (2025-08-14T21:04:24Z) - Regularized Proportional Fairness Mechanism for Resource Allocation Without Money [18.593061465167363]
我々は資源配分問題に合わせた革新的なニューラルネットワークアーキテクチャを設計し、それを正規化比例公正ネットワーク(RPF-Net)と呼ぶ。
RPF-Netは、最も悪用可能なアロケーションの学習関数近似器により、比例フェアネス(PF)機構の出力を正規化する。
有限分布および外分布サンプル下での学習時の機構性能を保証する一般化境界を導出する。
論文 参考訳（メタデータ） (2025-01-02T07:17:23Z) - Evolutionary mechanisms that promote cooperation may not promote social welfare [1.7819574476785418]
協力度を最大化する目的と社会福祉を最大化する目的とが、しばしば不一致であることを示す。
社会・集団商品の進化的メカニズムを設計・実装する際に,社会福祉を主目的とする必要性を論じる。
論文 参考訳（メタデータ） (2024-08-09T22:51:13Z) - Nash Welfare and Facility Location [82.81742334337336]
沿線にエージェントを配置する施設を配置することの問題点を考察する。
エージェントのユーティリティの産物として定義されたナッシュの福祉目的機能は、公正性と効率性の妥協をもたらすことが知られている。
論文 参考訳（メタデータ） (2023-10-06T09:06:44Z) - Causal Fairness for Outcome Control [68.12191782657437]
本稿では,自動システムにおいて,公平かつ公平な結果変数を最適化することを目的とした,結果制御と呼ばれる特定の意思決定タスクについて検討する。
本稿では、まず因果レンズを通して利益の概念を分析し、特定の個人が肯定的な決定によってどれだけの利益を得られるかを明らかにする。
次に、保護された属性の影響を受けている可能性があることに留意し、これを分析するために使用できる因果的ツールを提案する。
論文 参考訳（メタデータ） (2023-06-08T09:31:18Z) - Social Diversity Reduces the Complexity and Cost of Fostering Fairness [63.70639083665108]
不完全な情報や公平性の柔軟な基準を前提とした干渉機構の効果について検討する。
多様性の役割を定量化し、情報収集の必要性を減らす方法を示す。
この結果から,多様性が変化し,公正性向上を目指す機関に新たなメカニズムが開放されることが示唆された。
論文 参考訳（メタデータ） (2022-11-18T21:58:35Z) - 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。