論文の概要: Fair Feed Ranking for Participatory Budgeting

• arxiv url: http://arxiv.org/abs/2609.29819v1
• Date: Thu, 24 Sep 2026 13:54:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.964285
• Title: Fair Feed Ranking for Participatory Budgeting
• Title（参考訳）: 参加予算の公平なランク付け
• Abstract要約: PB(Participatory budgeting)において、公正な露出は民主的設計目標として扱われるべきである、と我々は主張する。 PBのフィードグレードデザインであるFairFeedを提案する。これは、透明に宣言された嗜好を使用し、公開されていない提案を後押しし、クラウドソースによる審査のために、レート制限された拒否チャンネルを認める。 本研究は,FairFeedが実際の展開に十分な精度で投票者の選好を回収できるかどうかを検証するために必要な人体評価を概説する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In large-scale participatory budgeting, citizens cannot inspect the full proposal pool, so the order in which proposals are shown becomes a form of agenda-setting power. We argue that fair exposure should therefore be treated as a democratic-design goal. We study Consul Democracy, a widely deployed open-source digital-democracy platform, and show that its proposal feeds are typically ordered by popularity, recency, or comment activity. Building on this diagnosis, we propose FairFeed, a feed-ranking design for PB that uses transparently declared preferences, boosts under-exposed proposals, and admits a rate-limited reject channel for crowd-sourced vetting. We evaluate the design in a simulation anchored in Munich's 2025 PB process and compare it with random, newest, and most-commented feeds. In this simulation, FairFeed broadens proposal discovery, distributes visibility more evenly across the eligible pool, increases cross-cutting support, and improves resistance to manipulation relative to comment-based ranking. We conclude by outlining the human-subjects evaluation needed to test whether onboarding can recover voter preferences accurately enough for deployment in practice.
• Abstract（参考訳）: 大規模参加型予算では、市民は全提案プールを検査できないため、提案が提示される順序は議題設定力の一形態となる。 したがって、公正な露出は民主的な設計目標として扱われるべきである、と我々は主張する。 私たちは、広くデプロイされているオープンソースのデジタル民主主義プラットフォームであるConsul Democracyを研究し、その提案されたフィードが一般的に人気、傾向、あるいはコメントアクティビティによって順序付けられていることを示す。 この診断に基づいてFairFeedを提案する。PBのフィードグレードデザインで、透明に宣言された嗜好を使用し、未公開の提案を後押しし、クラウドソースによる拒否の率制限を許容する。 ミュンヘンの2025 PBプロセスに固定されたシミュレーションで設計を評価し、ランダム、最新の、最も複雑なフィードと比較した。 このシミュレーションでは、FairFeedは提案の発見を拡大し、可視性をより均等にプール全体に分散し、横断的なサポートを高め、コメントベースのランキングに対する操作に対する抵抗を改善する。 そこで,本研究では,実際の実施に十分な精度で投票者の選好を回収できるかどうかを検証するために,人体評価を概説する。

関連論文リスト

• ResiSpec: Enhancing Multi-Candidate Speculative Sampling via Residual Distribution Shaping [79.1905186547363]
  ResiSpecは、検証中に提案の配布を戦略的に改革するフレームワークである。 候補の偏光を防止し、最先端のマルチ候補法よりも最大1.92$times$スピードアップを達成する。
  論文  参考訳（メタデータ） (2026-08-25T11:25:55Z)
• Accelerating Speculative Diffusions via Block Verification [77.23389794645801]
  投機的復号化は、トークンを生成するためにドラフトモデルを使用することでLLM推論を高速化する。 既存の拡散適応は非効率的なサンプリング技術を使うか、代替のスキームに依存する。 本稿では,拡散モデルに対して,従来の投機的サンプリング機構を効率的に実装する新しい手法を提案する。
  論文  参考訳（メタデータ） (2026-06-11T14:54:13Z)
• Evaluation of Alternative-Based Information Systems for Deliberative Polling using an Agentic Simulator [0.7354329172946913]
  デリバティブ・ポーリングは、投票前に株主を幅広い議論にさらすことで、集団的な意思決定を改善することを約束する。 しかし、すべての投票者が理由空間の代表的なサンプルに遭遇することを保証するため、カバレッジ問題は依然としてオープンな課題である。 本稿では, LLMをベースとしたエージェントバイポーラ調停シミュレータを用いた評価手法を提案する。
  論文  参考訳（メタデータ） (2026-06-10T06:15:13Z)
• Towards Anytime-Valid Statistical Watermarking [63.02116925616554]
  我々は、任意の時間価推論で最適なサンプリングを統一する、最初のe-value-based watermarking frameworkであるAnchored E-Watermarkingを開発した。 本フレームワークはサンプル効率を大幅に向上させ,最先端のベースラインに対して,検出に必要な平均トークン予算を13～15%削減する。
  論文  参考訳（メタデータ） (2026-02-19T18:32:26Z)
• Leveraging LLMs for Privacy-Aware Predictions in Participatory Budgeting [5.126601234881228]
  参加予算は市民に公共投資プロジェクトの提案と投票を許可する。 その民主的な可能性にもかかわらず、PBイニシアチブは低い参加率に悩まされ、その可視性と正当性を制限している。 本稿では,PB提案の資金源となる可能性を予測するためのプライバシ保護手法を提案する。
  論文  参考訳（メタデータ） (2025-08-07T15:26:22Z)
• Re-evaluating Open-ended Evaluation of Large Language Models [50.23008729038318]
  現在のEloベースのレーティングシステムは、データ、意図的、あるいは偶発的なバイアスの影響を受けやすく、さらに強化できることを示している。 本稿では,3人プレイヤゲームとしての評価を提案し,冗長性に対するロバスト性を確保するために,ゲーム理論の新たな概念を導入する。
  論文  参考訳（メタデータ） (2025-02-27T15:07:47Z)
• Long-Term Fairness in Sequential Multi-Agent Selection with Positive Reinforcement [21.44063458579184]
  大学入学や採用のような選抜プロセスでは、少数派からの応募者に対する偏見は肯定的なフィードバックをもたらすと仮定される。 グリーディスコアとフェアネスのバランスをとるマルチエージェント・フェア・グリーディ政策を提案する。 以上の結果から, 正の強化は長期的公正性にとって有望なメカニズムであるが, 進化モデルの変動に頑健な政策を慎重に設計する必要があることが示唆された。
  論文  参考訳（メタデータ） (2024-07-10T04:03:23Z)
• Take Care of Your Prompt Bias! Investigating and Mitigating Prompt Bias in Factual Knowledge Extraction [56.17020601803071]
  近年の研究では、事前学習言語モデル(PLM)が、事実知識抽出において「急激なバイアス」に悩まされていることが示されている。 本稿では,突発バイアスを徹底的に調査し緩和することにより,既存のベンチマークの信頼性を向上させることを目的とする。
  論文  参考訳（メタデータ） (2024-03-15T02:04:35Z)
• Fairness Evaluation for Uplift Modeling in the Absence of Ground Truth [2.946562343070891]
  本稿では,サロゲートを発生させることにより,真理の欠如を克服する枠組みを提案する。 実際のマーケティングキャンペーンの総合的な研究にどのようにアプローチを適用するかを示す。
  論文  参考訳（メタデータ） (2024-02-12T06:13:24Z)
• Consensus-based Participatory Budgeting for Legitimacy: Decision Support via Multi-agent Reinforcement Learning [3.3504365823045044]
  参加型予算編成(Participatory budgeting)は、投票結果が必ずしも公平でも包括的でもないプロセスである。 本稿では,新規かつ合法なコンセンサスに基づく参加型予算策定プロセスを紹介する。 投票者はお互いに対話し、現実的な妥協を行うのに役立ちます。
  論文  参考訳（メタデータ） (2023-07-24T16:16:23Z)

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。