論文の概要: Learning to Persuade Privately Informed Receivers
- arxiv url: http://arxiv.org/abs/2607.28342v1
- Date: Thu, 30 Jul 2026 15:08:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:24.181231
- Title: Learning to Persuade Privately Informed Receivers
- Title（参考訳）: プライベートインフォームドレシーバーを説得する学習
- Abstract要約: 本稿では,情報発信者が戦略的情報開示を通じて受信者の行動にどのように影響を与えるかを検討する。
標準モデルは受信機が唯一の情報ソースであると仮定するが、多くのアプリケーションでは外部ソースも参照する。
我々の重要な洞察は、プライベートスキームによって引き起こされる指数関数的に大きな信念空間分割の問題を、1次元の変化点検出問題に還元することである。
- 参考スコア（独自算出の注目度）: 21.585615386843628
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Bayesian persuasion studies how an informed sender can influence the behavior of a receiver through strategic information disclosure. Standard models assume the sender is the receiver's only source of information, yet in many applications receivers also consult external sources the sender can neither observe nor control. We study an online Bayesian persuasion problem in which a binary-action receiver has access to a fixed signaling scheme that is unknown to the sender. Over $T$ rounds, the sender commits to a signaling scheme and sends a signal; the receiver combines it with its private signal and acts, while the sender observes only the action. We design a learning algorithm that achieves regret $\widetilde{O}(T^{3/4})$ relative to the optimal scheme of a sender who knows the private signaling scheme of the receiver, with polynomial dependence on the sizes of the state space and the receiver's signal alphabet. Our key insight is reducing the problem of learning the exponentially large belief-space partitioning induced by the private scheme to a one-dimensional change-point detection problem.
- Abstract（参考訳）: ベイズ的説得は、情報発信者が戦略的情報開示を通じて受信者の行動にどのように影響を与えるかを研究する。
標準モデルは、送信側が受信側唯一の情報ソースであると仮定するが、多くのアプリケーションでは、受信側は外部ソースを参照し、送信側は監視も制御もできない。
本稿では,バイナリアクション受信機が送信者に未知の固定信号方式にアクセスできる,オンラインベイズ説得問題について検討する。
T$以上のラウンドでは、送信側はシグナリングスキームにコミットして信号を送信し、受信側はそれをプライベート信号と組み合わせて動作し、送信側はアクションのみを観測する。
我々は,受信機のプライベートなシグナリング方式を知っている送信者の最適なスキームに対して,その状態空間と受信機の信号アルファベットの大きさに多項式依存を伴って,後悔する$\widetilde{O}(T^{3/4})$を達成する学習アルゴリズムを設計する。
我々の重要な洞察は、プライベートスキームによって引き起こされる指数関数的に大きな信念空間分割の問題を、1次元の変化点検出問題に還元することである。
関連論文リスト
- CSI Obfuscation: Single-Antenna Transmitters Can Not Hide from Adversarial Multi-Antenna Radio Localization Systems [5.881727527356694]
単一アンテナ送信機は、送信前にランダム化されたシーケンスと結合することで信号を難読化することができる。
この戦略は、シングルアンテナ受信機を配置するCSIベースのローカライゼーションシステムに対してのみ有効である。
視覚的マルチチャネル識別の概念に着想を得て,マルチアンテナ受信機のための単純なCSIリカバリ手法を提案する。
論文 参考訳（メタデータ） (2025-08-04T16:04:20Z) - Learning How to Strategically Disclose Information [6.267574471145217]
送信者が未知のタイプの受信機と対話する情報設計のオンライン版を考える。
我々は、$mathcalO(sqrtT)$ regretが完全な情報フィードバックで達成可能であることを示す。
また,一般凸ユーティリティ関数に対して$mathcalO(sqrtT)$ regretを送信者が達成できる新しいパラメトリゼーションを提案する。
論文 参考訳（メタデータ） (2024-03-13T17:44:16Z) - Algorithmic Persuasion Through Simulation [51.23082754429737]
本研究では、送信者が受信機にバイナリアクションを取るよう説得するベイズ説得ゲームについて検討する。
送信者は、製品の品質などの世界の(実価値の高い)状態について通知されるが、受信者の信念やユーティリティに関する情報は限られている。
顧客の調査やユーザスタディ、最近のAIの進歩によって、送信側は受信者についてより深く学ぶことができるようになりました。
論文 参考訳（メタデータ） (2023-11-29T23:01:33Z) - Persuading a Behavioral Agent: Approximately Best Responding and
Learning [7.378697321839991]
本研究では,受信機が送信者の信号処理方式にほぼ最もよく対応できるベイズ説得モデルの緩和について検討する。
自然な仮定の下では,送信側は,予測ユーティリティが最適ユーティリティとほぼ同等に優れたことを保証した信号処理方式を見つけることができることを示す。
論文 参考訳（メタデータ） (2023-02-07T19:12:46Z) - Vulnerabilities of Deep Learning-Driven Semantic Communications to
Backdoor (Trojan) Attacks [70.51799606279883]
本稿では,バックドア(トロイジャン)攻撃に対するディープラーニングによるセマンティックコミュニケーションの脆弱性を明らかにする。
バックドア攻撃は、有毒な入力サンプルに転送された意味情報を標的の意味に効果的に変更することができる。
バックドア攻撃の有無で情報伝達の意味を保存するための設計ガイドラインが提示される。
論文 参考訳（メタデータ） (2022-12-21T17:22:27Z) - Is Semantic Communications Secure? A Tale of Multi-Domain Adversarial
Attacks [70.51799606279883]
セマンティック・コミュニケーションのためのディープ・ニューラル・ネットワーク(DNN)に対するテスト・タイム・アタックを導入する。
再建損失が低い場合でも,伝達情報のセマンティクスを変更可能であることを示す。
論文 参考訳（メタデータ） (2022-12-20T17:13:22Z) - Sequential Information Design: Learning to Persuade in the Dark [49.437419242582884]
本研究では,自己関心の受信者の行動に影響を及ぼそうとする情報発信者が直面する繰り返し情報設計問題について検討する。
各ラウンドにおいて、送信者は、シーケンシャル意思決定(SDM)問題におけるランダムイベントの実現を観察する。
これは、そのような情報をレシーバーに段階的に開示し、彼らが(望まれる)アクションレコメンデーションに従うように説得する方法の課題である。
論文 参考訳（メタデータ） (2022-09-08T17:08:12Z) - Multi-Receiver Online Bayesian Persuasion [51.94795123103707]
本研究では,未知の逆選択型の受信者に対して,送信者が繰り返し対面するオンライン学習フレームワークについて検討する。
オフラインモデルの慣習として、外部性やバイナリアクションのないケースに重点を置いています。
本稿では,損失関数を有限個に制限したオンライン学習問題に対処する一般的なオンライン降下スキームを提案する。
論文 参考訳（メタデータ） (2021-06-11T16:05:31Z) - FedRec: Federated Learning of Universal Receivers over Fading Channels [92.15358738530037]
本稿では,ダウンリンクフェージングチャネルに対するニューラルネットワークを用いたシンボル検出手法を提案する。
複数のユーザが協力して、普遍的なデータ駆動型検出器を学習する。
得られた受信機の性能は、フェーディング統計の知識を必要とせずに、様々なチャネル条件下でMAP性能に近づくことを示す。
論文 参考訳（メタデータ） (2020-11-14T11:29:55Z)
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。