論文の概要: Worker Utility as Hysteresis: A Preisach Model of Transaction Acceptance in Gig Labour Markets

• arxiv url: http://arxiv.org/abs/2606.04916v1
• Date: Wed, 03 Jun 2026 14:12:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.811654
• Title: Worker Utility as Hysteresis: A Preisach Model of Transaction Acceptance in Gig Labour Markets
• Title（参考訳）: ヒステリシスとしての労働者の実用性:ギグ労働市場における取引受け入れのプレザッハモデル
• Authors: Piotr Frydrych,
• Abstract要約: 各ギグトランザクションは単一のビットを生成する。 この構造は、潜伏労働者選好の自然な表現として、Preisachモデルを直接指していると論じる。 明示的な差分ゾーンを持たないモデルでは、両方の動作を同時に実行することはできない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Worker utility is not observed -- only its consequence is. Each gig transaction produces a single bit: accepted or rejected. We argue this structure points directly to the Preisach hysteresis model as the natural representation of latent worker preferences. The Preisach operator models aggregate output as an integral over a population of binary threshold elements -- precisely the structure that emerges when heterogeneous workers each carry a private acceptance wage. We estimate two latent utility surfaces: acceptance utility U_1(X) and rejection utility U_0(X), via a dual-output neural network (shared layers 256->128, margin loss enforcing U_1 >= U_0). Classification reduces to the Preisach gap U_1(X) - U_0(X), passed into an XGBoost classifier alongside clip-stabilised price-to-threshold encodings. On 36,891 gig transactions, this pipeline achieves Jaccard = 0.827 and ROC AUC = 0.799. The price-to-threshold encoding accounts for +11.0 pp AUC over raw utility features. The model confirms the directional asymmetry hysteresis predicts: price decreases depress completion rates more than equivalent increases raise them. Applied to the full dataset, the model's recommendations simultaneously reduce the total wage bill by 21.3% and increase expected fill rate by 9.7 pp. For 74.2% of transactions, P(accept) already exceeds 0.80; reducing the wage keeps it above threshold (mean post-cut P = 0.972), releasing cost savings (median 31%). For the remaining 25.4%, a median 7% wage increase recovers +43 pp acceptance. A model without an explicit indifference zone cannot execute both moves simultaneously.
• Abstract（参考訳）: 労働者の効用は観測されていない。それぞれのギグトランザクションは、単一のビットを生成する: 受け入れまたは拒否される。この構造は、潜伏する労働者の嗜好の自然な表現として、Preisachヒステリシスモデルを直接指している。Preisachオペレーターは、出力をバイナリなしきい値要素の集団に対する積分として集約する。正確には、異種労働者がそれぞれプライベートな受理賃金を課した時に生じる構造である。 受入ユーティリティU_1(X)と退避ユーティリティU_0(X)の2つの潜伏効用曲面を2重出力ニューラルネットワーク(共有層256->128, U_1 >= U_0)を介して推定する。 分類はプレザッハギャップU_1(X) - U_0(X)に還元され、クリップ安定化された価格と閾値の符号化と共にXGBoost分類器に渡される。 36,891ギガのトランザクションで、このパイプラインは Jaccard = 0.827 と ROC AUC = 0.799 を達成する。 コスト・ツー・スレッショルドのエンコーディングは、生のユーティリティ機能に対して+11.0 pp AUCを割り当てている。 モデルは、方向非対称性ヒステリシスが予測する: 価格が同等の上昇よりも低下すると、完成率が上昇する。 完全なデータセットに適用すると、モデルの勧告は同時に賃金の総額を21.3%削減し、予想される給与率を9.7 pp.引き上げる。 74.2%の取引では、既にP(accept)が0.80を超えており、賃金の引き下げはしきい値を超えている(P = 0.972)。 残りの25.4%では、7%の賃金上昇が+43ppで回復した。 明示的な差分ゾーンを持たないモデルでは、両方の動作を同時に実行することはできない。

関連論文リスト

• Token Budgets: An Empirical Catalog of 63 LLM-Agent Budget-Overrun Incidents, with an Affine-Typed Rust Mitigation as a Case Study [0.0]
  私たちは、アフィンのオーナシップを運用するRustクレートを構築して、クローン、ダブルスペンディング、あるいは予算の使用を委譲することで、オペレータが避けなければならないランタイムのハザードではなくコンパイルエラーを発生させます。 5つのランタイム、3つのプロバイダ、温度階層化されたライブAPIテストで、このアプローチでは、コンカレントワークと同等の動作で、キャップ違反がゼロで、偽の拒否がゼロであることを報告している。
  論文  参考訳（メタデータ） (2026-06-02T10:46:57Z)
• Constraint-Anchored Attribution: Feasibility-Certified Counterfactuals and Bonferroni-PAC Sufficient Subsets for Neural CO Policies [0.0]
  LP-レラクゼーション双対による制約家族による決定を分解するニューラル・オプティマイゼーション(CO)政策への帰属法を提案する。 LP-anchored $-attribution is not the CF- derived signal。
  論文  参考訳（メタデータ） (2026-05-24T19:46:30Z)
• Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
  テキスト検出器は、事前訓練された典型軸を増幅する。 タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。 RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
  論文  参考訳（メタデータ） (2026-05-20T19:08:38Z)
• Martingale Neural Operators: Learning Stochastic Marginals via Doob-Meyer Factorization [0.0]
  ドゥーブ=マイヤーの定理は、任意の半マーチンゲールが基本的に予測可能なドリフトと予測不可能なゼロ平均マーチンゲールに分解されることを証明している。 本稿では,初期条件を端末法則の条件平均と共分散に直接マッピングするMartingale Neural Operator(MNO)を紹介する。 MNOはワッサースタイン距離を4ドルフィールド理論で最大120ドル、バーガーズで680ドルまで削減し、壁面のトレーニング予算で一致した条件付き拡散ベースラインよりも早くsim 3timesを評価した。
  論文  参考訳（メタデータ） (2026-05-15T10:00:21Z)
• Incompressible Knowledge Probes: Estimating Black-Box LLM Parameter Counts via Factual Capacity [0.3951796994513004]
  iKPs(textbfIncompressible Knowledge Probes)は,7層にまたがる1,400の事実質問のベンチマークである。 89のオープンウェイトモデル (135M-1,600B) において、IKP精度からパラメータ数へのログ線形マッピングを19のベンダーで調整する。 Mixture-of-Expertsモデルでは、全パラメータがアクティブパラメータよりもはるかに優れた知識を予測する。
  論文  参考訳（メタデータ） (2026-04-27T15:46:23Z)
• Geometric Properties of the Voronoi Tessellation in Latent Semantic Manifolds of Large Language Models [0.0]
  Qwen3.5-4B-Base上での表現多様体上のボロノイテッセルレーション ヴォロノワ・テッセルレーションはマージンリファインメント法により緩和可能であることを示す。
  論文  参考訳（メタデータ） (2026-04-08T07:36:04Z)
• Tight Convergence Rates for Online Distributed Linear Estimation with Adversarial Measurements [66.94250413799232]
  分散パラメータ-サーバ-ワーカー設定における乱数ベクトル$X$の推定について検討する。 主な課題は、敵の計測と非同期である。 その結果, 分散線形推定におけるロバスト性, 識別性, 統計的効率の統一的有限時間評価が得られた。
  論文  参考訳（メタデータ） (2026-04-07T11:45:55Z)
• The Price Reversal Phenomenon: When Cheaper Reasoning Models End Up Costing More [76.93600828673503]
  リストAPIの価格設定は、実際のコストに対する信頼性の低いプロキシである。 思考トークンのコストの削減は、ランキングの反転を70%削減します。 この結果から,コスト意識モデル選択と透過的な要求毎のコスト監視の必要性が示唆された。
  論文  参考訳（メタデータ） (2026-03-25T06:07:39Z)
• A Primal-Dual Approach to Solving Variational Inequalities with General Constraints [54.62996442406718]
  Yang et al. (2023) は最近、一般的な変分不等式を解決するために一階勾配法を使う方法を示した。 この方法の収束性を証明し、演算子が$L$-Lipschitz と monotone である場合、この手法の最後の繰り返しのギャップ関数が$O(frac1sqrtK)$で減少することを示す。
  論文  参考訳（メタデータ） (2022-10-27T17:59:09Z)
• Sharp Statistical Guarantees for Adversarially Robust Gaussian Classification [54.22421582955454]
  逆向きに頑健な分類の過剰リスクに対する最適ミニマックス保証の最初の結果を提供する。 結果はAdvSNR(Adversarial Signal-to-Noise Ratio)の項で述べられており、これは標準的な線形分類と逆数設定との類似の考え方を一般化している。
  論文  参考訳（メタデータ） (2020-06-29T21:06:52Z)
• Provably Efficient Safe Exploration via Primal-Dual Policy Optimization [105.7510838453122]
  制約付きマルコフ決定過程(CMDP)を用いた安全強化学習(SRL)問題について検討する。 本稿では,関数近似設定において,安全な探索を行うCMDPの効率の良いオンラインポリシー最適化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-03-01T17:47:03Z)

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。