論文の概要: Algorithmic Approaches to Sequential Decision-Making and Social Epistemology

• arxiv url: http://arxiv.org/abs/2607.20636v1
• Date: Wed, 22 Jul 2026 18:08:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.184561
• Title: Algorithmic Approaches to Sequential Decision-Making and Social Epistemology
• Title（参考訳）: 逐次意思決定へのアルゴリズム的アプローチと社会的認識論
• Authors: Kavya Ravichandran,
• Abstract要約: この論文はアルゴリズムツールを使って意思決定問題に関する洞察を導き出す。 社会的・行動的影響のほぼ最適方法と結果について検討した。
• 参考スコア（独自算出の注目度）: 0.5156484100374058
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As humans, we face many decisions that require us to choose between sticking to something and giving up. This thesis uses algorithmic tools to derive insights about such decision-making problems in theoretical models, studying both near-optimal methods and outcomes of social and behavioral influences. Along the way, this thesis sheds light on what we gain and what we lose as we move from a messy and complex real world setting to a very general abstract model by studying various points along this spectrum. In Part I, we study algorithms for sequential decision-making in the improving multi-armed bandits problem. We provide nearly matching upper and lower bounds in the general case. Then, we then ask what is possible if we have access to similar instances to the one we wish to deploy our algorithm on. To that end, we provide guarantees in the data-driven algorithm design framework, showing that a polynomial number of samples is sufficient for learning good algorithms from a class of algorithms. In Part II, we study algorithmic approaches for problems in social epistemology. We start by analyzing what role theoretical models can play in the study of social problems. We then study social and behavioral influences in decision-making requiring investment. First, we provide mathematical formalism in which to study the formation of pessimism traps, a phenomenon identified by philosophers in which agents are influenced by their predecessors to engage in less-ambitious goals. We develop financial interventions to sustainably shift communities out of these traps. The second problem we study is the influence of grit as a behavioral trait in ambitious decision-making. Overall, these works seek to theoretically model phenomena in social epistemology and provide a framework for intervening algorithmically.
• Abstract（参考訳）: 人間として、何かに固執するか諦めるかを選択しなければならない多くの決定に直面します。 この論文はアルゴリズムツールを用いて、理論的モデルにおけるそのような意思決定問題についての洞察を導き、近最適手法と社会的および行動的影響の結果の両方を研究する。 その過程で、この論文は、乱雑で複雑な現実世界の設定から、このスペクトルに沿って様々な点を研究することで、非常に一般的な抽象モデルに移行するときに得られるものや、失うものについて光を当てる。 パートIでは、マルチアームバンディット問題の改善における逐次意思決定のためのアルゴリズムについて検討する。 一般の場合、ほぼ一致する上界と下界を提供する。 そして、アルゴリズムをデプロイしたいインスタンスと同じようなインスタンスにアクセスできれば、何ができるかを尋ねます。 そこで本研究では,データ駆動型アルゴリズム設計フレームワークにおいて,アルゴリズムのクラスから優れたアルゴリズムを学習するのに,多項式数のサンプルが十分であることを示す。 第2部では,社会認識論における問題に対するアルゴリズム的アプローチについて検討する。 まず,社会問題研究における理論モデルの役割を分析する。 次に、投資を必要とする意思決定における社会的・行動的影響について研究する。 第一に、我々はペシミズムトラップの形成を研究する数学的フォーマリズムを提供する。これは、エージェントが前任者の影響を受け、より曖昧な目標を達成しようとする哲学者によって特定される現象である。 我々は、これらの罠からコミュニティを確実にシフトさせるための財政介入を開発する。 第2の問題は、野心的な意思決定における行動特性としてのGreitの影響である。 全体として、これらの研究は社会的認識論における現象を理論的にモデル化し、アルゴリズムを介入するための枠組みを提供しようとしている。

関連論文リスト

• Barbarians at the Gate: How AI is Upending Systems Research [58.95406995634148]
  システム研究は、新しいパフォーマンス指向アルゴリズムの設計と評価に長年注力してきたが、AI駆動のソリューション発見には特に適している、と私たちは主張する。 このアプローチをAI駆動システム研究(ADRS)と呼び、ソリューションを反復的に生成し、評価し、洗練する。 我々の研究結果は、AI時代のシステム研究の実践に急激な適応の必要性と破壊的な可能性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-10-07T17:49:24Z)
• Position: We Need An Algorithmic Understanding of Generative AI [7.425924654036041]
  本稿では,LLMが学習・使用するアルゴリズムを体系的に研究するためのフレームワークであるAlgEvalを提案する。 AlgEvalは、潜在表現、注意、推論時間計算に反映されるアルゴリズムプリミティブと、タスク固有の問題を解決するアルゴリズム構成を明らかにすることを目的としている。
  論文  参考訳（メタデータ） (2025-07-10T08:38:47Z)
• Hypothesis-Driven Theory-of-Mind Reasoning for Large Language Models [76.6028674686018]
  エージェントの精神状態を追跡するための推論時間推論アルゴリズムである思考トレースを導入する。 提案アルゴリズムは,ベイズ理論をモデルとした。 本研究は,様々なベンチマークにおける思考トレーシングを評価し,大幅な性能向上を実証した。
  論文  参考訳（メタデータ） (2025-02-17T15:08:50Z)
• Towards a Systems Theory of Algorithms [9.4471844989393]
  我々は、他のアルゴリズム、物理システム、人間、データベースと相互作用するオープンな動的システムとして、アルゴリズムを見ることを好む。 注目すべきことに、システム理論の傘下で開発された多様体ツールは、アルゴリズム領域における様々な課題に対処するのに適している。
  論文  参考訳（メタデータ） (2024-01-25T09:20:21Z)
• Fairness Perceptions of Algorithmic Decision-Making: A Systematic Review of the Empirical Literature [0.0]
  アルゴリズムによる意思決定(ADM)は、人々の日常生活をますます形作る。 学者や政策立案者が要求する人間中心のアプローチは、人々の公正な認識を考慮する必要があります。 アルゴリズム公平性の認識に関する既存の経験的洞察の包括的で体系的な文献レビューを提供します。
  論文  参考訳（メタデータ） (2021-03-22T17:12:45Z)
• Constrained Learning with Non-Convex Losses [119.8736858597118]
  学習は現代の情報処理の中核技術になっているが、バイアス、安全でない、偏見のあるソリューションにつながるという証拠はたくさんある。
  論文  参考訳（メタデータ） (2021-03-08T23:10:33Z)
• Inverse Reinforcement Learning with Explicit Policy Estimates [19.159290496678004]
  逆強化学習問題を解くための様々な手法が、機械学習と経済学において独立に開発された。 我々は、それらがすべて共通の形態の勾配、関連する政策と目的によって特徴づけられる最適化問題のクラスに属していることを示しています。 この最適化問題の研究から得られた知見を用いて,様々な問題シナリオを特定し,それらの問題に対する各手法の適合性について検討する。
  論文  参考訳（メタデータ） (2021-03-04T07:00:58Z)

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。