論文の概要: Attribution Markets: A Fisher-Market Formulation for Fractional Credit Assignment Between Planned Tasks and Performed Actions
- arxiv url: http://arxiv.org/abs/2607.20694v1
- Date: Wed, 22 Jul 2026 19:49:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.211473
- Title: Attribution Markets: A Fisher-Market Formulation for Fractional Credit Assignment Between Planned Tasks and Performed Actions
- Title（参考訳）: 帰属市場:計画課題とパフォーマンス行動の差分クレジット割り当てのための漁業市場定式化
- Abstract要約: 我々は,この橋を準線形フィッシャー市場として定式化し,計画された作業は予算構造的な買い手であり,実行された行動は分割可能な商品であり,融合したテキスト/時間信号は購入者の評価を設定する。
2つの市場機器 - 売り手予備価格と買い手現金オプション - は、保存、ハードな予算上限、証明可能なジャンクフィルタを定理として取得する。
観測された親和性は、採点された地上の真実とは無関係に崩壊し、真の弱点を表面化している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Personal and organizational planning systems maintain two records that drift apart: what was planned (a task's effort budget) and what was done (a logged action's duration and description). Existing systems bridge them with an exclusive, all-or-nothing link that strands genuinely related but unlinked effort and reports false stalls on active goals. We formulate the bridge as a quasi-linear Fisher market: planned tasks are budget-constrained buyers, performed actions are divisible goods, and a fused text/structural/temporal signal sets each buyer's valuation. Two market instruments - a seller reserve price and a buyer cash option - yield conservation, a hard budget cap, and a provable junk filter as theorems. We extend the market with a concave completion utility discounting progress as a task nears its plan; standard convergence theory for the market's algorithm does not transfer here, resolved by a satiation-threshold fixed point with existence (Brouwer) and local uniqueness under an explicit diagonal-dominance condition, validated empirically on random and adversarial instances. A de-circularized, multi-seed benchmark - observed affinity corrupted independently of the scored ground truth - surfaces a genuine weak spot: the market's sharp, zero-entropy equilibrium is more sensitive to affinity noise than entropy-regularized optimal transport's permanently smoothed one. We resolve this with a one-parameter entropy-regularized generalization unifying the two, plus a noise-adaptive rule for its regularization strength. We report full reproducibility parameters, discuss limitations candidly, and relate the result to multi-touch attribution, optimal transport, and online Fisher-market algorithms.
- Abstract（参考訳）: 個人的および組織的計画システムは、計画されたもの(タスクの労力予算)と実行されたもの(ログ化されたアクションの持続時間と記述)の2つの記録を保持します。
既存のシステムはそれらを、真に結びついているが、リンクされていない努力によって、アクティブな目標に偽の行き詰まりを報告する、排他的、あるいはまったくないリンクで橋渡しする。
我々は,この橋を準線形フィッシャー市場として定式化し,計画された作業は予算制約された買い手であり,実行された行動は分割可能な商品であり,融合されたテキスト/構造的/時間的信号は購入者の評価を設定する。
2つの市場機器 - 売り手予約価格と買い手現金オプション - は、保存、ハードな予算上限、証明可能なジャンクフィルタを定理として取得する。
マーケットのアルゴリズムの標準収束理論はここでは移行せず、明示的な対角支配条件下での飽和閾値固定点(ブルーワー)と局所特異性(英語版)によって解決され、ランダムおよび敵のインスタンスで実証的に検証される。
市場のシャープでゼロエントロピー均衡は、エントロピー規則化された最適輸送の恒久的な平滑化よりもアフィニティノイズに敏感である。
我々はこの問題を,2つを統一する1パラメータエントロピー正規化一般化と,その正規化強度に対する雑音適応規則で解決する。
本報告では, 再現性パラメータの完全な報告, 限界の議論, マルチタッチ属性, 最適輸送, オンラインフィッシャーマーケットアルゴリズムとの関連について述べる。
関連論文リスト
- TAPO: Tool-Aware Policy Optimization via Credit Transfer for Multimodal Search Agents [54.08846865906602]
ツール強化マルチモーダルサーチエージェントにおいて,クレジットミス割り当てをGRPOの系統的障害モードとして特徴付ける。
本稿では,情報取得ツールのパラメータ決定性を利用したツール・アウェア・ポリシー・オプティマイズ(TAPO)を提案する。
論文 参考訳（メタデータ） (2026-06-04T07:15:43Z) - SHARP: A Self-Evolving Human-Auditable Rubric Policy for Financial Trading Agents [11.616028403813031]
大規模言語モデル(LLM)は、自律的な金融取引のためにますます多くデプロイされている。
我々は,制約のないテキストの突然変異を構造的,象徴的なポリシー最適化に置き換える,神経象徴的な枠組みである自己進化型ヒューマン・アディタブル・ポリシー(SHARP)を導入する。
論文 参考訳（メタデータ） (2026-05-07T18:23:44Z) - MenuNet: A Strategy-Proof Mechanism for Matching Markets [9.952014313721932]
メニューのニューラル表現に基づく戦略防御機構設計フレームワークである textttMenuNet を提案する。
安定性をフェアネス(うらやましくない)と非無駄ネスに分解することで、我々のアプローチはこれらの特性をベクトル値の量としてモデル化する。
経験的に、textttMenuNetは、スケーラビリティと計算効率を維持しながら、このトレードオフを効果的にナビゲートする。
論文 参考訳（メタデータ） (2026-05-04T23:12:08Z) - Transfer Learning for Contextual Joint Assortment-Pricing under Cross-Market Heterogeneity [6.055048454425298]
我々は,帯域フィードバックを持つ多項ロジット選択モデルの下で,コンテキスト型共同価格の伝達学習について検討した。
UCBスタイルの政策とアグリゲート・then-debias推定を組み合わせたバイアス認識フレームワークを開発した。
論文 参考訳（メタデータ） (2026-03-18T14:48:04Z) - Market-Driven Subset Selection for Budgeted Training [1.7969777786551429]
それぞれのトレーニング例を取引可能な契約として扱う,市場ベースのフレームワークを提案する。
厳格な60kの予算の下でのGSM8Kの数学的推論では、セレクタは強い単一信号基底線でパリティを達成する。
本フレームワークは,逐次的推論および分類タスクのための固定的な計算予算の下で,多信号データキュレーションを統一する。
論文 参考訳（メタデータ） (2025-10-02T18:12:03Z) - Foundation Models for Logistics: Toward Certifiable, Conversational Planning Interfaces [59.80143393787701]
大規模言語モデル(LLM)は不確実性に対処し、導入障壁を低くしながら再計画の加速を約束する。
本稿では,自然言語対話のアクセシビリティと目標解釈の検証可能な保証とを組み合わせたニューロシンボリック・フレームワークを提案する。
わずか100個の不確実性フィルタで微調整された軽量モデルは、GPT-4.1のゼロショット性能を上回り、推論遅延を50%近く削減する。
論文 参考訳（メタデータ） (2025-07-15T14:24:01Z) - Decentralized Multi-Task Online Convex Optimization Under Random Link
Failures [5.513958040574729]
我々は不均一な確率を持つランダムリンク障害に対する頑健な分散型サドルポイントアルゴリズムを開発した。
我々はアルゴリズムと分析を2点の帯域フィードバックシナリオに拡張する。
論文 参考訳（メタデータ） (2024-01-04T00:57:33Z) - Robust and Performance Incentivizing Algorithms for Multi-Armed Bandits with Strategic Agents [52.75161794035767]
性能インセンティブとロバストネスの2つの目的を同時に満たすバンディットアルゴリズムのクラスを導入する。
そこで本研究では,第2価格オークションのアイデアをアルゴリズムと組み合わせることで,プリンシパルが腕の性能特性に関する情報を持たないような設定が可能であることを示す。
論文 参考訳（メタデータ） (2023-12-13T06:54:49Z) - Learn to Match with No Regret: Reinforcement Learning in Markov Matching
Markets [151.03738099494765]
我々は、市場の両側でプランナーと戦略エージェントのセットを含むマルコフマッチング市場について検討する。
本稿では,楽観的な値反復と最大重みマッチングを組み合わせた強化学習フレームワークを提案する。
我々は,アルゴリズムがサブ線形後悔を実現することを証明した。
論文 参考訳（メタデータ） (2022-03-07T19:51:25Z) - Learning Equilibria in Matching Markets from Bandit Feedback [139.29934476625488]
不確実性の下で安定した市場成果を学習するためのフレームワークとアルゴリズムを開発する。
私たちの研究は、大規模なデータ駆動の市場において、いつ、どのように安定したマッチングが生じるかを明らかにするための第一歩を踏み出します。
論文 参考訳（メタデータ） (2021-08-19T17:59:28Z) - Higher Performance Visual Tracking with Dual-Modal Localization [106.91097443275035]
Visual Object Tracking (VOT)は、堅牢性と正確性の両方に同期性を必要とする。
ONRによるロバストなローカリゼーション抑制器とOFCによるターゲットセンターへの正確なローカリゼーションにより、ターゲットローカリゼーションのためのデュアルモーダルフレームワークを提案します。
論文 参考訳（メタデータ） (2021-03-18T08:47:56Z) - VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit
Feedback [104.06766271716774]
本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。
まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。
当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
論文 参考訳（メタデータ） (2020-04-19T18:00:58Z)
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。