論文の概要: When Disclosure Is Compulsory: Evaluating Ride-Hailing Rebalancing Policies with Self-Interested LLM Driver Agents

• arxiv url: http://arxiv.org/abs/2610.41132v2
• Date: Wed, 04 Nov 2026 07:04:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-05 20:19:46.879657
• Title: When Disclosure Is Compulsory: Evaluating Ride-Hailing Rebalancing Policies with Self-Interested LLM Driver Agents
• Title（参考訳）: 情報開示が義務である場合:自己関心のLLMドライバーエージェントによるリバランシング政策の評価
• Abstract要約: EU Platform Work Directiveは、ライドシェアリングプラットフォームに対して、彼らの自動決定の主要なパラメータをプレーン言語で記述することを要求している。 ルールが公になれば、リバランス政策のメインファミリーを2つ比較する。 ルールが公表されたことにより、ドライバーはプラットフォームをより密接にフォローする。
• 参考スコア（独自算出の注目度）: 2.349225043543495
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The EU Platform Work Directive, to be transposed by December 2026, requires ride-hailing platforms to state in plain language the main parameters of their automated decisions and how a worker's behaviour affects them. Such rules are exactly what a large language model (LLM) can read, so drivers will be able to let one decide for them. We compare two main families of rebalancing policy once their rules are public: a reactive policy (R) that sends idle drivers to cover requests just lost, and an anticipatory policy (A) that plans moves on a demand forecast. Each driver is an LLM agent maximizing its own net income, given no rules (N) or the rules at the directive's level of detail (L). We test two LLMs, Claude Haiku 5.5 and Jev, which understand the rules equally well, in a three-zone model and in Manhattan. With the rules disclosed, drivers follow the platform more closely: in Manhattan, the share of relocation offers they decline falls from about four in five to one in four under both policies. Yet the effects differ by policy. For the platform, disclosure costs R 3.7% of its profit in Manhattan, as R now pays for moves drivers used to make for free, while A's profit is unchanged; the two policies, which tie on profit under full compliance, end 6.1% apart. For drivers, disclosure raises income in the small model under both policies and LLMs; for users, it raises the service rate there by 10 to 18 percentage points. In Manhattan, self-interested drivers also make A a win-win-win against full compliance, raising driver income, platform profit and service rate by 10 to 12% each. Rebalancing policies that perform equally well under full compliance can thus show opposite results under mandatory disclosure. The study offers a framework to evaluate such policies under the new requirement and is, to our knowledge, the first to do so with LLM agents.
• Abstract（参考訳）: EUプラットフォームワークディレクティブは、2026年12月までにトランスポーズされる予定で、ライドシェアリングプラットフォームに対して、彼らの自動決定の主なパラメータと、労働者の振る舞いがそれらにどのように影響するかをプレーン言語で述べることを要求する。 このようなルールは、まさに大きな言語モデル(LLM)が読むことができるものであるため、ドライバーはそれらを決定することができる。 我々は、ルールが公になれば、2つの主要なリバランシング政策のファミリーを比較します。つまり、失われた要求をカバーするためにアイドルドライバーを送るリアクティブポリシー(R)と、需要予測に進む予定の予測ポリシー(A)です。 各ドライバーは自身の純利益を最大化するLLMエージェントであり、ディレクティブのディテールレベル(L)におけるルール(N)やルールを考慮しない。 我々は3ゾーンモデルとマンハッタンの2つのLLM(Claude Haiku 5.5とJev)をテストする。 マンハッタンでは、移転提案のシェアが2つの政策の下で約4分の1から4分の1に落ちている。 しかし、効果は政策によって異なる。 プラットフォームの開示費用はマンハッタンでの利益の3.7%で、Rは以前無料だった移動ドライバーに支払うが、Aの利益は変わらない。 ドライバーにとって、開示は、ポリシーとLLMの両方の下で小さなモデルにおける収入を増加させる。 マンハッタンでは、Aが完全コンプライアンスに勝って、ドライバーの収入、プラットフォーム利益、サービスレートをそれぞれ10～12%引き上げている。 したがって、完全なコンプライアンスの下で同等に機能するポリシーの再バランスは、強制開示の下では反対の結果を示すことができる。 この研究は、新たな要件の下でこのような政策を評価するためのフレームワークを提供しており、私たちの知る限り、LLMエージェントで最初にそれを行う。

関連論文リスト

• Profiling a Frontier Agent with EBench: From Direct Control to Harness with Policy [58.20511644298136]
  我々はGPT-6-Astraをエージェントハーネスを介してロボットを制御するエージェントのコアとして評価する。 直接制御の下では、エージェントは訓練後ポリシーと比較して総合的なパフォーマンスを達成する。 ポリシーのハーネスでは、後トレーニングされたVLAまたはWAMを呼び出すことは、両方のコンポーネントの相補的な強みを組み合わせる。
  論文  参考訳（メタデータ） (2026-10-26T17:51:02Z)
• MOON: Learning When to Forget and How to Move On in Vision-and-Language Navigation [54.495160070920655]
  近年のヴィジュアル・アンド・ランゲージ・ナビゲーション(VLN)ポリシーは、その視覚的履歴に作用し、誤ったアクションによって指示されたルートから外される可能性がある。 本稿では,凍結したVLNポリシに2つの軽量モジュールを装備し,パラメータの1%未満を付加するフレームワークを提案する。 逸脱判事はいつ忘れるかを判断し、エージェントがルートから外れていることを予測したときに歴史をクリアする警報を発する。 アラーム状態からGRPOでトレーニングされたリカバリポリシは、進む方法を学習し、単一のgreedyロールアウトにサンプリングするだけで、より多くの成功を得られるようにします。
  論文  参考訳（メタデータ） (2026-10-24T08:50:29Z)
• Self-Evolving Coding Agents via Harness-Policy Optimization [59.77935668723671]
  Self-HPOは、ハーネスとポリシー最適化を代替するコーディングエージェントのための自己改善フレームワークである。 3つのコーディングベンチマークで、Self-HPOはハーネスのみとポリシーのみのベースラインを一貫して上回っている。 Self-HPOはまた、信頼性(Pass@1)を改善し、ベースエージェント上の機能フロンティア(Pass@k)を拡張する。
  論文  参考訳（メタデータ） (2026-10-16T01:07:52Z)
• Rent-Seeking Language Models: Reward Models Set the Prices, Frequent Audits Curb the Rent [30.508473157009487]
  RLHFのリワードモデル過度最適化は、通常報酬ハックと表現される。 企業であるポリシーは、規制当局、プロキシ報酬モデルから報酬を受け取り、真の品質は戻らない。 3つのモデルファミリー、精度に適合したプロキシ報酬モデルと2つのゴールド報酬モデルを備えた固定バージョンコントロールテストベッドでは、RLは金報酬高原の41%から66%のプロキシゲインを賃貸に転換する。
  論文  参考訳（メタデータ） (2026-10-14T09:06:00Z)
• RoboPrompt: Intuitive Robot Policy Steering with Sparse Human Input [48.897433467471295]
  RoboPromptは汎用的で軽量なロボットポリシーステアリングシステムである。 再利用可能なモジュールは、ヒューマンガイダンスをアクションドラフトに変換する。 拡散政策、$_0.5$、FastWAMを横断する効果的なステアリング実験を行った。
  論文  参考訳（メタデータ） (2026-10-07T17:58:53Z)
• Can Large Language Models Anticipate Behavioral Responses to Social Policies? A Case of Pension Enrollment Prediction among China's Flexible Workers [7.812925339338843]
  中国におけるフレキシブルワーカー間での階層的年金参加予測タスクのためのドメイン特化大型言語モデルFlexPension-LLMを提案する。 DKI-RDistillは,プロビット由来の辺縁効果やフルクープロンス年金規則など,政策的な手がかりをインジェクターに注入する。 この方法はLoRA/SFTを使って、理性に富んだ指導をオープンウェイトなMoE学生に蒸留し、これらのケースを再生することで教師のエラーを修正する。
  論文  参考訳（メタデータ） (2026-09-04T14:24:27Z)
• PL-Guard: Probabilistic Logic Reasoning for LLM Guardrails [5.448131579126687]
  ポリシープロンプトとLCM-as-a-judgeパイプラインは、セマンティックグラウンドとポリシー推論のタスクを重複させることが多い。 基礎と推論の役割を分離するために,ニューロシンボリックガードレールアーキテクチャであるPL-Guardを提案する。 XSTestベンチマークでは、オフラインのQwenベースの評価器が、手作業によるポリシを備えたPL-Guardは、ベースモデルの22.0%から0.5%まで、安全でないコンプライアンスを減少させる。
  論文  参考訳（メタデータ） (2026-08-16T10:58:19Z)
• Regulating Ride-Sourcing Markets: Can Minimum Wage Regulation Protect Drivers Without Disrupting the Market? [1.3649494534428743]
  UberやLyftのようなライドソーシングプラットフォームは、ギグエコノミーの最大の例だ。 最低賃金規制は ドライバーの福祉を改善するために 採用されています 以上の結果から、最低賃金規制が実質的な収入に影響を及ぼすことが明らかとなった。
  論文  参考訳（メタデータ） (2025-09-15T12:29:47Z)
• WARP: On the Benefits of Weight Averaged Rewarded Policies [66.95013068137115]
  ウェイトアベレード・リワード・ポリシー(WARP)という新しいアライメント戦略を導入する。 WARPは重量空間のポリシーを3つの異なる段階でマージする。 GEMMAポリシによる実験では、WARPが品質とアライメントを改善し、他のオープンソースLLMよりも優れています。
  論文  参考訳（メタデータ） (2024-06-24T16:24:34Z)

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。