論文の概要: The Power of Altruism in Sticker Economics: Generosity Minimizes Collective Costs and Overprotective Norms Fuel Inefficiency
- arxiv url: http://arxiv.org/abs/2606.10330v1
- Date: Tue, 09 Jun 2026 02:24:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-11 16:42:37.983566
- Title: The Power of Altruism in Sticker Economics: Generosity Minimizes Collective Costs and Overprotective Norms Fuel Inefficiency
- Title（参考訳）: ステッカー・エコノミクスにおけるアルトリズムの力--集団費用と過保護ノーム燃料非効率の最小化をめざして
- Authors: Luana Ferraz Alvarenga, Caetano Alvarenga Costa, César Rennó-Costa,
- Abstract要約: ブラジルのナタールにおける交換会議からの経験的フィールド観測をパラメータ化したエージェントベースモデリングとモンテカルロシミュレーションを用いる。
パニーニ 2026のアルバムには68個の金属製のスペシャルを含む980個のステッカーが収録されている。
我々は、標準的なベースライン経済とは、過保護で厳格な戦略と利他主義的で寛大な戦略とを対比する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Collecting the FIFA World Cup sticker album presents a classic public-goods and collective-action dilemma, in which completing a collection on one's own is highly inefficient. To evaluate how localized community norms shape collective efficiency, we use agent-based modeling and Monte Carlo simulations, parameterized with empirical field observations from exchange meetups in Natal, Brazil. Reflecting the tournament's recent expansion, the Panini 2026 album features 980 individual stickers, including 68 metallic specials. We contrast a standard baseline economy (1:2 special-to-normal exchange ratio) with an overprotective, strict strategy (exclusive special-for-special trading) and an altruistic, generous strategy (in which advanced players surrender needed duplicates to assist peers). Our findings reveal that overprotective rules trap liquidity and drive network-wide inefficiency. The strict strategy increases median completion costs by 10 packs and severely penalizes the least fortunate 5\% of collectors, adding 20 packs in large cities and 30 in small communities. Conversely, widespread generosity optimizes network liquidity and dramatically compresses the long tail of bad luck. Introducing the generous strategy reduces required purchases for the 5th percentile by 90 packs in large-scale configurations and 130 packs in smaller clusters. Furthermore, widespread altruism triggers a strong functional coupling that effectively synchronizes completion rates across the network. This study demonstrates that while rigid, protective norms degrade collective welfare, generosity successfully mitigates pack-draw variance, transforming an expensive, isolated hobby into a resilient, highly efficient public good.
- Abstract（参考訳）: FIFAワールドカップのステッカー・アルバムの収集は、古典的な公共財と集団行動のジレンマを提示し、自分のコレクションを完成させるのは非常に非効率である。
地域社会の規範が集団効率をいかに形成するかを評価するため,ブラジルのナタールにおける交流会議からの経験的フィールド観測をパラメータ化したエージェントベースモデリングとモンテカルロシミュレーションを用いた。
パニーニ 2026のアルバムには68個の金属製のスペシャルを含む980個のステッカーが収録されている。
我々は、標準ベースライン経済(1対2の特例交換比率)と、過保護で厳格な戦略(排他的特例取引)と利他的かつ寛大な戦略(先進的なプレイヤーが仲間を支援するために重複を必要とした場合)とを対比する。
以上の結果から,過保護ルールは流動性を阻害し,ネットワーク全体の効率を低下させることが明らかとなった。
この厳格な戦略は、完成の中央値コストを10パック増加させ、大都市では20パック、小都市では30パック増し、最も幸運な56%のコレクターに厳しい罰を与えている。
逆に、広範な寛大さはネットワークの流動性を最適化し、不運の長い尾を劇的に圧縮する。
寛大な戦略の導入は、大規模な構成で90パック、小さなクラスタで130パックで5番目のパーセンタイルの必要な購入を削減します。
さらに、広範な利他主義は、ネットワーク全体の完了率を効果的に同期させる強力な機能的結合を引き起こす。
この研究は、厳格で保護的な規範が集団福祉を低下させる一方で、寛大さはパックドローの分散を緩和し、高価で孤立した趣味をレジリエントで高効率な公共財に変えることを実証している。
関連論文リスト
- Breaking $\textit{Winner-Takes-All}$: Cooperative Policy Optimization Improves Diverse LLM Reasoning [53.42577591449649]
グループ協力政策最適化は、トレーニングパラダイムをロールアウト競争からチーム協力へとシフトさせる。
GCPOは独立したロールアウトスコアをチームレベルのクレジット割り当てに置き換える。
チームへの平均的な限界貢献に従って、各ロールアウトに対して、グループチームの報酬を再分配する。
論文 参考訳（メタデータ） (2026-05-12T03:20:24Z) - Training Language Models for Bilateral Trade with Private Information [47.25254982913256]
貿易の利益を達成するためには、個人、戦略的余剰の合理性、協力が必要である。
本研究では,大規模言語モデルがイベント駆動シミュレータ内のツールコールを介して交渉する構造化交渉環境を開発する。
この環境は、フロンティアモデルのベンチマークと、強化学習によるオープンウェイトモデルのトレーニング環境という2つの目的を果たす。
論文 参考訳（メタデータ） (2026-04-10T03:04:20Z) - Territory Paint Wars: Diagnosing and Mitigating Failure Modes in Competitive Multi-Agent PPO [0.0]
テリトリー・ペイント戦争は、ユニティで実施された最小の競争力のある多エージェント強化学習環境である。
我々はこれを,自己再生下での親密な政策最適化の失敗モードを体系的に調査するために利用する。
論文 参考訳（メタデータ） (2026-04-04T23:48:17Z) - Exploiting Liquidity Exhaustion Attacks in Intent-Based Cross-Chain Bridges [5.543794703214136]
クロスチェーンブリッジにより、オフチェーンエンティティ(エンファンゾルバ)は、自身の流動性を前面に置いて、ユーザの注文を即座に満たすことができる。
ユーザエクスペリエンスの向上とともに,問題解決の流動性集中や解決の遅れなど,新たなシステム的リスクがもたらされる。
そこで本稿では,Emphliquidity exhaustion attack と呼ばれる新しいタイプの攻撃と,リプレイに基づくパラメータ化攻撃シミュレーションフレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-19T20:13:36Z) - How To Cook The Fragmented Rug Pull? [5.849850957491873]
rugプル検出器は単純なワークフローを前提とします – デプロイは流動性プール(LP)トークンを保持して,プールを崩壊させてキャッシュアウトする1ないし数回の大規模な販売(1日以内)を実行します。
実際には、多くの現実世界の出口は、時間次元とアクター次元の両方で攻撃を分割することでこれらの仮定に違反している。
我々は,この攻撃を断裂したラグプル (FRP) として定式化し,緩やかな煮込み牛肉専用にコンパクトなレシピを提供する。
論文 参考訳（メタデータ） (2025-11-19T14:22:07Z) - A Bayesian Incentive Mechanism for Poison-Resilient Federated Learning [0.0]
フェデレートラーニング(FL)は、データプライバシを保持しながら、分散クライアント間で協調的なモデルトレーニングを可能にする。
本稿では, 有害行為を経済的に不合理にする軽度ベイズインセンティブ機構を, 積極的, 経済的防衛に導入する。
論文 参考訳（メタデータ） (2025-07-16T17:27:25Z) - RSPO: Regularized Self-Play Alignment of Large Language Models [54.593523736962]
Regularized Self-Play Policy Optimization (RSPO) は、事前のメソッドを統一し、様々な正規化ツールのプラグイン・アンド・プレイ統合を可能にする汎用的でモジュール化されたフレームワークである。
20ドル以上の微調整Mistral-7B-Instructモデルに関する実証研究により、前方KL偏差正規化は応答長を減少させる一方、逆KL偏差は生の利得率を著しく向上させることが明らかとなった。
論文 参考訳（メタデータ） (2025-02-24T22:43:21Z) - G$^2$uardFL: Safeguarding Federated Learning Against Backdoor Attacks
through Attributed Client Graph Clustering [116.4277292854053]
Federated Learning (FL)は、データ共有なしで協調的なモデルトレーニングを提供する。
FLはバックドア攻撃に弱いため、有害なモデル重みがシステムの整合性を損なう。
本稿では、悪意のあるクライアントの識別を属性グラフクラスタリング問題として再解釈する保護フレームワークであるG$2$uardFLを提案する。
論文 参考訳（メタデータ） (2023-06-08T07:15:04Z) - Adaptive Discretization against an Adversary: Lipschitz bandits, Dynamic Pricing, and Auction Tuning [56.23358327635815]
リプシッツ・バンディット(Lipschitz bandits)は、大規模で構造化された行動空間を研究する多腕バンディットの顕著なバージョンである。
ここでの中心的なテーマは、アクション空間の適応的な離散化であり、より有望な領域で徐々にズームインする'である。
逆バージョンにおける適応的な離散化のための最初のアルゴリズムを提供し、インスタンス依存の後悔境界を導出する。
論文 参考訳（メタデータ） (2020-06-22T16:06:25Z)
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。