論文の概要: AGORA: Can Deliberation and Governance Gates Absorb Participation Bias in Transit Planning?

• arxiv url: http://arxiv.org/abs/2606.13696v1
• Date: Sun, 31 May 2026 08:00:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-21 20:00:42.733923
• Title: AGORA: Can Deliberation and Governance Gates Absorb Participation Bias in Transit Planning?
• Title（参考訳）: AGORA: 交渉とガバナンスは交通計画への参加を妨げ得るか?
• Authors: Jung-Hoon Cho, Cathy Wu,
• Abstract要約: 現在のプラクティスでは、自己選択された参加者から一方向のコメントを収集し、参加者の混在をコントロールできない結果の変化の源として残している。 本稿では,ネットワーク,需要,問題解決を行うフレームワークであるAGORAを紹介する。
• 参考スコア（独自算出の注目度）: 7.373294811303388
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Transit network design depends not only on the optimization algorithm but also on who shows up to the public hearing. Current practice often collects one-directional comments from self-selected attendees, leaving participant mix as an uncontrolled source of outcome variation. We present AGORA, a framework that holds the network, demand, and solver fixed while systematically varying meeting composition through stakeholder agents, structured deliberation, and governance gates. Across two standard benchmark networks at different scales, we find that (i) aggregate outcomes vary little across compositions, but on tail risk and fairness disparity, representative sampling still tends to outperform skewed compositions; (ii) without deliberation, composition produces no variation at all, showing that deliberation is the mechanism through which who attends affects outcomes; and (iii) governance gates compress cross-profile variance without shifting the average outcome on Mandl, but low acceptance on Mumford0 shows thresholds require instance-specific calibration. These findings reframe participation bias from an uncontrollable input to a process-design problem: even without guaranteed representative attendance, well-structured deliberation and governance criteria can substantially reduce how much outcomes depend on who is in the room.
• Abstract（参考訳）: トランジットネットワークの設計は、最適化アルゴリズムだけでなく、誰が公聴会に現れるかにも依存する。 現在のプラクティスでは、自己選択された参加者から一方向のコメントを収集することが多く、参加者はコントロールされていない結果の変化の源として混ざり合っている。 本稿では,ネットワーク,需要,問題解決を行うフレームワークであるAGORAを紹介する。 異なるスケールの2つの標準ベンチマークネットワークにまたがって、私たちはそれを見つけました。 (i)集合結果は構成によってほとんど変化しないが、テールリスクとフェアネスの相違により、代表サンプリングは、いまだに歪んだ構成よりも優れる傾向にある。 (二)熟考なしでは、構成が全く変化を生じず、熟考が誰が成果に影響を及ぼすかのメカニズムであることを示す。 3) ガバナンスゲートは,マンドル平均結果のシフトを伴わずに,異例の分散を圧縮するが,Mumford0での受容度は低いため,インスタンス固有のキャリブレーションが必要となる。 これらの知見は、プロセス設計問題への制御不能な入力からの参加バイアスを再設定する: 承認された代表の出席、十分に構造化された審議、ガバナンス基準がなければ、部屋の誰に依存している結果が大幅に減少する。

関連論文リスト

• Exploring Agentic Tool-Calling Decisions via Uncertainty-Aligned Reinforcement Learning [63.24624171679711]
  大規模言語モデル(LLM)ベースのエージェントは、しばしば最適なツール使用の決定を行う。 本研究では、不確実性分離を維持するための推進力として、不確実性定量化を報酬設計に組み込んだTRUSTを提案する。
  論文  参考訳（メタデータ） (2026-06-05T07:08:34Z)
• Regime-Arrival Uncertainty in Generalization Bounds under Distribution Shift [0.0]
  本稿では,システム構成ミスマッチによる余剰リスクを定量化することで,レシック・アウェア・モデルを一般化するフレームワークを提案する。 我々は正確な分解を行い、状態のミスマッチと状態の感度を分離する。 提案したペナルティは,事前の一般化ギャップであり,トレーニング専用推定器では有意な相関は示されていない。
  論文  参考訳（メタデータ） (2026-06-01T06:04:42Z)
• Ensemble-size-dependence of deep-learning post-processing methods that minimize an (un)fair score: motivating examples and a proof-of-concept solution [0.0]
  軌道変換器を,アンサンブルサイズの独立性を実現するための概念実証として導入する。 このアプローチは、トランスフォーマー(PoET)フレームワークによるポストプロセッシング・アンサンブル(Post-processing Ensembles)の適応である。
  論文  参考訳（メタデータ） (2026-02-17T18:59:55Z)
• A Single Revision Step Improves Token-Efficient LLM Reasoning [3.344806691289323]
  大規模言語モデルのためのトレーニングフリーで推論のみのフレームワークであるPacket-Conditioned Revision (PACER)を紹介した。 PACERは、推論トレースを使用して、構造化された調整ステップを通じて結論を修正できる。 競争力のある数学のベンチマークでは、PACERは256サンプルの多数決の正確さと一致または超える。
  論文  参考訳（メタデータ） (2026-02-02T21:28:42Z)
• Every Subtlety Counts: Fine-grained Person Independence Micro-Action Recognition via Distributionally Robust Optimization [36.230001277076376]
  マイクロアクション認識は、心理的アセスメントと人間とコンピュータの相互作用に不可欠である。 既存の手法は現実のシナリオで失敗することが多い。 本稿では、分散ロバスト最適化の原則を取り入れた個人独立ユニバーサルマイクロアクション認識フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-25T14:54:24Z)
• Modeling the Q-Diversity in a Min-max Play Game for Robust Optimization [61.39201891894024]
  群分布的ロバスト最適化(群 DRO)は、事前定義された群に対する最悪の損失を最小限にすることができる。 グループDROフレームワークをQ-Diversityを提案して再構築する。 インタラクティブなトレーニングモードによって特徴付けられるQ-Diversityは、アノテーションからグループ識別を緩和し、直接パラメータ化を行う。
  論文  参考訳（メタデータ） (2023-05-20T07:02:27Z)
• Unsupervised Learning of Debiased Representations with Pseudo-Attributes [85.5691102676175]
  教師なし方式で,単純かつ効果的な脱バイアス手法を提案する。 特徴埋め込み空間上でクラスタリングを行い、クラスタリング結果を利用して疑似属性を識別する。 次に,非偏り表現を学習するために,クラスタベースの新しい重み付け手法を用いる。
  論文  参考訳（メタデータ） (2021-08-06T05:20:46Z)
• Deconfounding Scores: Feature Representations for Causal Effect Estimation with Weak Overlap [140.98628848491146]
  推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。 分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。 特に,この手法が標準正規化の魅力的な代替となることを示す。
  論文  参考訳（メタデータ） (2021-04-12T18:50:11Z)
• Multi-Stage Decentralized Matching Markets: Uncertain Preferences and Strategic Behaviors [91.3755431537592]
  本稿では、現実世界のマッチング市場で最適な戦略を学ぶためのフレームワークを開発する。 我々は,不確実性レベルが特徴の福祉対フェアネストレードオフが存在することを示す。 シングルステージマッチングと比較して、マルチステージマッチングで参加者がより良くなることを証明します。
  論文  参考訳（メタデータ） (2021-02-13T19:25:52Z)
• Global Distance-distributions Separation for Unsupervised Person Re-identification [93.39253443415392]
  既存の教師なしのReIDアプローチは、距離ベースのマッチング/ランク付けを通じて正のサンプルと負のサンプルを正しく識別するのに失敗することが多い。 本研究では,2つの分布に対する大域的距離分布分離の制約を導入し,大域的視点から正と負のサンプルを明確に分離することを奨励する。 本研究では,本手法がベースラインを大幅に改善し,最先端の性能を実現することを示す。
  論文  参考訳（メタデータ） (2020-06-01T07:05:39Z)

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。