研究者提出样本拆分与收缩机制对齐在线实验激励
热点事件持续更新
研究者提出样本拆分与收缩机制对齐在线实验激励
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
针对在线平台实验操作去中心化带来的委托代理冲突,Ermis Soumalias 等作者发表论文,将实验设计重构为激励设计问题,提出样本拆分与收缩两种机制。 作者称,样本拆分以有界流量成本实现激励完全对齐;收缩机制不消耗额外流量,且能保证负期望效应的干预无利可图。论文同时指出,传统显著性阈值和流量预算等集中式手段无法解决这一结构性失效。
AI 根据报道生成 · 7 小时前更新
最新进展10月7日 12:00
在线实验中的激励对齐:用样本拆分与收缩机制解决去中心化实验的委托代理冲突报道时间线
沿着报道,了解事件的不同侧面。
10月7日
- arXiv cs.AI在线实验中的激励对齐:用样本拆分与收缩机制解决去中心化实验的委托代理冲突
针对在线平台实验操作去中心化导致的委托代理冲突,研究者将实验设计重构为激励设计问题,提出样本拆分与收缩两种机制。样本拆分以有界流量成本实现激励完全对齐,收缩机制不消耗额外流量且能保证负期望效应的干预无利可图。该工作指出传统显著性阈值和流量预算等集中式手段无法解决这一结构性失效。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。