論文の概要: Follow the Herd: A Data-Driven Approach for Actionable Recourse

• arxiv url: http://arxiv.org/abs/2610.36580v1
• Date: Tue, 27 Oct 2026 03:36:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.475836
• Title: Follow the Herd: A Data-Driven Approach for Actionable Recourse
• Title（参考訳）: Follow the Herd: アクション可能なリコースのためのデータ駆動アプローチ
• Abstract要約: 我々は,アクションコストに対する人間からの費用のかかる監視を必要とせずに,アクション・リコースを提供するための最初のアプローチであるtextitData-Driven Action Recourse (DDAR) を提案する。 実験では、この単純なアプローチは、人間の監督を必要とせず、既存のアプローチよりも少ないアクションコストを達成することなく、妥当なアクション・リコースを推奨することを発見した。
• 参考スコア（独自算出の注目度）: 11.466936140591748
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As machine learning systems make increasingly greater decisions about people's lives, it is critical to provide users with actionable recourse about how they can achieve their desired outcomes. This problem is currently tackled by relying on expensive human supervision which involves hand-designing a cost function before searching for low-cost actions that achieve the desired outcome. In this paper, we propose \textit{``Data-Driven Action Recourse"} (DDAR), the first approach for providing action recourse without requiring costly supervision from humans about action costs. We build upon the notion that highly likely trajectories in the historical user data should be associated with lower costs. With this, DDAR first builds a dynamics model of historical user trajectories. Under this model, it then searches for trajectories that achieve the desired outcome. In experiments, we find that this simple approach recommends plausible action recourse without requiring human supervision, achieving lower action costs than the existing approaches.
• Abstract（参考訳）: 機械学習システムが人々の生活についてますます大きな決定を下すにつれて、ユーザに対して、望ましい結果を達成する方法についての実用的な会話を提供することが不可欠である。 この問題は、現在、所望の成果を達成するための低コストなアクションを探す前に、コスト関数を手作業で設計する、高価な人事監督に頼って取り組まれている。 本稿では,アクションコストに対する人間からの費用のかかる監視を必要とせず,アクション・リコースを提供するための最初のアプローチである,DDAR(textit{``Data-Driven Action Recourse")を提案する。 歴史的ユーザデータのトラジェクトリが,コスト削減に結びつくべきだ,という考えに基づいて構築する。 これによってDDARは、まず歴史的ユーザトラジェクトリの動的モデルを構築する。 このモデルの下で、望ましい結果を達成する軌跡を探索する。 実験では、この単純なアプローチは、人間の監督を必要とせず、既存のアプローチよりも少ないアクションコストを達成することなく、妥当なアクション・リコースを推奨していることが判明した。

関連論文リスト

• HumanScale: Egocentric Human Video Can Outperform Real-Robot Data for Embodied Pretraining [93.5192770515694]
  Embodied foundation modelは、大きな言語モデルのようなデータスケーリングの恩恵を受けることが期待されているが、より厳密なデータボトルネックに直面している。 遠隔操作された実ロボット軌道は、正確な行動監督と実施の整合性のために、訓練前の主流の源である。 エゴセントリックなデータに基づいて事前訓練された基礎モデルは、実ロボットアクション予測において24%低い検証損失を達成する。
  論文  参考訳（メタデータ） (2026-06-18T17:37:34Z)
• RRO: LLM Agent Optimization Through Rising Reward Trajectories [52.579992804584464]
  大規模言語モデル (LLM) は様々なタスクにおいて異常な性能を示した。 実際には、エージェントは特定の重要なステップの結果に敏感で、タスクを失敗する可能性がある。 この問題を軽減するために,Reward Rising Optimization (RRO)を提案する。
  論文  参考訳（メタデータ） (2025-05-27T05:27:54Z)
• From Search To Sampling: Generative Models For Robust Algorithmic Recourse [24.730097141422537]
  我々は3つのリコース目標を共同でトレーニングするために設計されたジェネレーティブ・リコースモデルであるGenReを紹介する。 我々はGenReが、最先端のベースラインに比べてコスト、妥当性、妥当性の最良のトレードオフを提供することを示した。
  論文  参考訳（メタデータ） (2025-05-12T08:44:28Z)
• Toward Information Theoretic Active Inverse Reinforcement Learning [0.21990652930491852]
  逆強化学習(IRL)は、実証から未知の報酬を推測するための有望なアプローチを提供する。 Active IRLはこの課題に対処し、人間のデモンストレーションにおいて最も有益なシナリオを戦略的に選択する。 本稿では,情報理論の獲得関数を提案し,効率的な近似手法を提案し,グリッドワールド実験を通じてその性能を示す。
  論文  参考訳（メタデータ） (2024-12-31T10:32:24Z)
• RED: Unleashing Token-Level Rewards from Holistic Feedback via Reward Redistribution [50.171320156632866]
  人間のフィードバックからの強化学習は、大きな言語モデルを人間の好みに合わせるための有望なアプローチを提供する。 現在の報酬モデルはシークエンス・ツー・ワンモデルとして動作し、単一、スパース、遅延報酬を全出力シーケンスに割り当てる。 よりきめ細かなトークンレベルの指導手法をRLトレーニングに提案する。
  論文  参考訳（メタデータ） (2024-11-13T02:45:21Z)
• Cost-Effective Proxy Reward Model Construction with On-Policy and Active Learning [70.22819290458581]
  人間のフィードバックによる強化学習(RLHF)は、現在の大規模言語モデルパイプラインにおいて広く採用されているアプローチである。 提案手法では,(1)OODを回避するためのオン・ポリシー・クエリと,(2)プライオリティ・クエリの最も情報性の高いデータを選択するためのアクティブ・ラーニングという2つの重要なイノベーションを導入している。
  論文  参考訳（メタデータ） (2024-07-02T10:09:19Z)
• Safety through feedback in Constrained RL [13.664014596337037]
  安全クリティカルなRL設定では、エージェントの安全な振る舞いを保証するために報酬関数を変更するよりも、追加のコスト関数を含めることが好まれる。 より複雑なドメインにスケールし、状態レベルのフィードバックを超えて拡張するアプローチを導入します。 安全体育館環境と現実的な自動運転シナリオのベンチマーク実験により,本手法の有効性を実証した。
  論文  参考訳（メタデータ） (2024-06-28T03:29:33Z)
• Probabilistically Robust Recourse: Navigating the Trade-offs between Costs and Robustness in Algorithmic Recourse [34.39887495671287]
  本稿では,達成された(反感)と所望のリコース無効率とのギャップを同時に最小化する目的関数を提案する。 我々は,任意のインスタンスに対応するリコース無効化率を特徴付けるために,新しい理論的結果を開発した。 複数の実世界のデータセットを用いた実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-03-13T21:39:24Z)
• Low-Cost Algorithmic Recourse for Users With Uncertain Cost Functions [74.00030431081751]
  本稿では,ユーザ固有のコスト関数の概念を定式化し,ユーザのための行動可能なリコースを識別する新しい手法を提案する。 本手法は,強いベースライン法に比べて最大25.89パーセントのユーザを満足させる。
  論文  参考訳（メタデータ） (2021-11-01T19:49:35Z)

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。