論文の概要: A General Framework for Budgeted Threshold Incentives on Request
- arxiv url: http://arxiv.org/abs/2609.29724v1
- Date: Thu, 24 Sep 2026 12:41:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:09.931093
- Title: A General Framework for Budgeted Threshold Incentives on Request
- Title（参考訳）: 請求に対する予算案のインセンティブに関する一般的な枠組み
- Abstract要約: オンデマンドデリバリープラットフォームは、同様の歴史を持つライダーの最近の完成から、階層が設定されたインセンティブ活動を通じて、乗客に支払いを行う。
本研究では,7つの代替可能なモジュールを通じて,4段階(条件予測,人口減少,軌道統合,予算配分)を構成する要求駆動型フレームワークを提案する。
固定された計画メニューにおいて、ステージエラーが与えられた場合、エンド・ツー・エンドの値損失は4つのステージ項の和によって制限されることを示す。
- 参考スコア（独自算出の注目度）: 5.943512863832626
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: On-demand delivery platforms pay riders through incentive activities whose tiers are set from recent completions of riders with a similar history. Operators request such plans for changing periods, rider populations, payment rules and budgets, often for holidays or bad weather, where randomized trials are scarce and take months to collect. We present a request-driven framework that composes four stages (conditional prediction, population reduction, trajectory integration and budget allocation) through seven replaceable modules that exchange conditional trajectory laws, whose award probabilities and award-marked moments give payment and uplift for any activity rule. A response-correction step reweights trajectories from abundant no-offer history to match the moments of a short pilot. We prove that, on a fixed plan menu and given the stage errors, the end-to-end value loss is bounded by the sum of four stage terms, and that for every stage there are instances on which omitting it leaves an error floor the others cannot remove. On 3,000 riders over 45 weekly origins, all 127 windows of a week are answered 11.04x faster with identical scenarios and at most 0.92% value lost by the allocation. On 24 new controlled response laws, the response correction with a one-week pilot lowers regret by 51.2% relative to a trial with the same nominal randomized rider-weeks, and a four-week pilot with exact summation comes within +0.007 of an 18-week trial. In registered studies where windows, populations, rules and binding budgets change from request to request, the framework's regret is below that of a trial with the same nominal rider-weeks and below dose interpolation of the same pilot data, and reusing its one-off preparation answers 60 requests 14.1x and 2.70x faster with identical answers. Against a nine-offer trial fitted with the framework's own dose curve, one-week regret is 0.055 lower.
- Abstract（参考訳）: オンデマンドデリバリープラットフォームは、同様の歴史を持つライダーの最近の完成から、階層が設定されたインセンティブ活動を通じて、乗客に支払いを行う。
オペレーターは、休暇や悪天候のために、期間、乗客人口、支払い規則、予算を変更するためにこのような計画を要求し、ランダム化裁判は少なく、収集には数ヶ月を要する。
本研究では、条件付き軌道法を交換する7つのモジュールを通じて、4段階(条件予測、人口減少、軌道統合、予算配分)を構成する要求駆動型フレームワークを提案する。
応答補正ステップは、短いパイロットの瞬間と一致するように、豊富なノオファー履歴からのトラジェクトリをリウェイトする。
固定された計画メニュー上で、ステージエラーが与えられた場合、エンド・ツー・エンドの値損失は4つのステージ項の和で束縛され、各ステージにエラーフロアを省略するインスタンスが存在することを証明します。
週45回以上の乗車者のうち、1週間の127の窓はすべて同じシナリオで11.04倍早く答えられ、アロケーションによって少なくとも0.92%の値が失われる。
24の新たな規制された対応法では、1週間のパイロットによる反応修正は、同じ名目上のランダム化ライダーウィークの試験に対して、51.2%の後悔を減少させ、正確な総和を持つ4週間のパイロットは18週間の試験で+0.007以内となる。
窓、人口、規則、結束予算が要求から要求へと変化する登録された研究において、フレームワークの後悔は、同じ名目上のライダーウィークを持つ試験のそれ以下で、同じパイロットデータの線量補間を行い、同じ回答でその一発準備回答60の要求14.1xと2.70xを再利用する。
フレームワーク自身の線量曲線を装着した9つのオフサートライアルに対して、1週間の後悔は0.055低い。
関連論文リスト
- The Fly That Stopped: Mushroom-Body-Inspired Habituation as a Reward-Free Scheduling Prior for Autonomous Penetration Testing [0.0]
ショウジョウバエのキノコ体新鮮処理に触発された無報酬スケジューラの評価を行った。
スパースステートエンコーディングと、構造的なURLクラスとツールファミリー上の崩壊する習慣カウンタを組み合わせる。
条件付きスケジューラは6つの非XSSターゲットペアの重複比率を下げた。
論文 参考訳（メタデータ） (2026-09-24T07:02:59Z) - Speculative Evaluation of Stochastic LLMs [48.902430583833585]
投機的評価は、短い一様パイロットと、タスク毎の成功回数のプールを実行する。
HBN-asyncは、部分的なパイロットフィードバックからの継続を投機的に実行し、最終的なアロケーションによって選択されたものを保持する。
1タスクあたり8-64のロールアウト予算では、投機的評価は、Uniformに対する分散を平均12.8%から33.6%削減する。
論文 参考訳（メタデータ） (2026-09-23T09:20:22Z) - Evaluating Model Retraining under Drift: Paired Comparisons of Cumulative Subgroup Disparity [0.0]
我々は、スケジュール、損失トリガー、サブグループギャップトリガーされたポリシーを、同じ観測と遅延ラベルに対する初期モデルを維持することで比較する。
これら3つの政策は平均累積差が低く、ウィンドウごとの平均ギャップにおける0.04から0.88ポイントの減少に相当する。
サブグループ特異的なドリフトでは, 両者の感度が低下し, より小さな真正レートギャップが認められた。
論文 参考訳（メタデータ） (2026-09-09T06:39:03Z) - Marginal Fidelity Does Not Establish User Simulation in Demographic Synthetic Survey Panels: Response Contracts, Support Collapse and Conditioning Failure [51.736723807086385]
人口密着協定は、個別のシミュレーションの証拠ではなく、エスカレーション契約の証拠であり、シミュレーションされた回答者なしで得られる推定値である。
9つのアライメントされたモデルバッテリペアでは、非個人個体数のクエリの平均は6.27 MAE対12.39であり、9つの比較すべてで勝利する。
論文 参考訳（メタデータ） (2026-09-07T10:22:22Z) - BRiG-AFA: Bellman Risk-to-Go Learning for Non-Myopic Active Feature Acquisition [8.363536351727978]
アクティブな機能取得は、予算の下で各テストインスタンスの次を計測する観測されていない機能を要求する。
本稿では,残予算毎に個別の候補条件付きリスク・ツー・ゴー関数を学習する,デプロイ可能な教師付き代替手段であるメソッドを導入する。
論文 参考訳（メタデータ） (2026-08-03T14:30:44Z) - LegalFarePlan: A Label-Setting Framework for Fare-Transparent Urban Rail Route Planning under Non-Additive Fare Rules [0.7614628596146601]
LegalFarePlanは、運賃透明のルートプランニングフレームワークである。
LegalFarePlanは、有料の旅行セグメントに関する説明可能なルートプランを計算している。
論文 参考訳（メタデータ） (2026-07-05T06:19:16Z) - Knowledge Index of Noah's Ark [63.143852586221534]
KINAは,261分野にわたる899項目のベンチマークである。
ボーナス・オン・バートーナメントがFOSDを弱く支配していることを示す。
トップモデルであるGemini-3.1-Pro-Previewは53.17%、Claude-Opus-4.6は49.92%、GPT-5.4は48.55%に達した。
論文 参考訳（メタデータ） (2026-06-03T17:06:49Z) - Step-wise Rubric Rewards for LLM Reasoning [72.17879367869503]
RLVR(Reinforcement Learning with Verifiable Rewards)は、大規模言語モデルの推論を改善するために広く使われている。
正しい回答の18.2%は間違っているが、肯定的な報酬がある。
6つの数学的推論ベンチマークで、SRaRはRaRの平均精度を3.57ポイント改善した。
論文 参考訳（メタデータ） (2026-05-17T07:08:14Z) - Regime-Calibrated Demand Priors for Ride-Hailing Fleet Dispatch and Repositioning [0.0]
ライドシェアリングのディスパッチは、日時、曜日、季節、特別なイベントによって大きく異なる需要パターンを予想する必要がある。
本稿では,過去の旅行データを需要レジームに分割し,現在ある運用期間を類似した歴史アナログに適合させる制度校正手法を提案する。
アブレーションでは、分布のみのメートル法サブセットが最強の平均ウェイト還元を達成する。
論文 参考訳（メタデータ） (2026-04-04T22:31:06Z) - From Continual Learning to SGD and Back: Better Rates for Continual Linear Models [50.11453013647086]
以前見られたタスクの損失を、$k$の繰り返しの後、忘れること、すなわち、分析する。
実現可能な最小二乗の設定において、新しい最上界を創出する。
我々は、タスクを繰り返しないランダム化だけで、十分に長いタスクシーケンスで破滅的な事態を防げることを初めて証明した。
論文 参考訳（メタデータ） (2025-04-06T18:39:45Z)
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。