Computational Social Choice: Parameterized Complexity and Challenges
该研究综述了计算社会选择领域的多赢家确定、享乐博弈两大关键问题,聚焦其参数化复杂度,并提出了相关研究挑战。
2025-06-13 cs.CC cs.GT cs.MA
Collective Schedules: Scheduling Meets Computational Social Choice
在安排共用设施的公共工程或活动时,需要适应人口的偏好。我们通过引入集体时间表的概念来正式化这个问题。我们展示了如何从社会选择理论的基本工具-位置评分规则,凯梅尼规则和孔多塞原则-集体调度。我们研究了寻找集体时间表的计算复杂性。我们还通过实验证明,最佳的集体计划,可以找到现实的大小的实例。
2018-03-20 cs.GT cs.MA
Sybil-Resilient Reality-Aware Social Choice
假身份或重复身份(\emph{sybils})渗透到在线社区的Sybil攻击对这些社区构成了严重威胁,因为它们可能会使社区范围内的决策倾向于他们。虽然对sybil识别的广泛研究可能有助于将这些社区中的sybil比例保持在较低水平,但它不能确保完全根除。因此,我们的目标是加强社会选择理论与有效的群体决策机制的社区有界女巫渗透。受现实意识社会选择的启发,我们使用现状作为\emph{sybil resilience}的锚,其特征是\emph{sybil safety} --sybils无法违背真正代理人的意愿改变现状,以及\emph{sybil liveness} --真正代理人违背sybils意愿改变现状的能力。我们认为,社会选择设置决定一个单一的建议,对多个建议,并更新一个参数。对于每一个,我们提出的社会选择规则是sybil安全的,在一定条件下,满足sybil活性。
2019-05-16 cs.CR cs.MA
Parameterized Algorithmics for Computational Social Choice: Nine Research Challenges
计算社会选择是一个跨学科的研究领域,涉及经济学,政治学和社会科学,另一方面,数学和计算机科学(包括人工智能和多智能体系统)。在这一领域研究的典型计算问题包括对攻击的脆弱性投票程序,或在多代理系统的偏好聚合。参数化算法是理论计算机科学的一个分支,它寻求利用有意义的问题特定参数来识别一般计算困难问题的易处理的特殊情况。在本文中,我们提出了九个我们最喜欢的研究挑战,在这种情况下出现的问题的参数化的复杂性。
2014-07-08 cs.GT cs.MA
Reality-Aware Social Choice
社会选择理论将对一个提案的投票推广到对多个提案的排序。然而,尽管对单一提案的投票将现状(现实)作为默认,但现实在这一概括过程中被抛弃了。在这里,我们建议恢复这种默认的社会状态,并将现实明确纳入社会选择中。我们表明,这样做会产生一个新的理论,完成其域的限制,投票规则与现实意识的公理属性,和某些博弈论方面。特别是,我们展示了如何现实可以用一个原则性的方式来打破孔多塞周期,并制定一个有效的现实意识孔多塞一致的议程。然后我们讨论现实意识社会选择的几个应用。
2019-05-16 cs.CY cs.GT cs.MA
An Application of Fixed-point Theory to Probabilistic Social Choice
本文的目的是证明存在一种随机机制,即社会决策方案(SDS),它具有所有已知SDS都无法比拟的公平性、效率和防策略性。特别是,我们反驳了Aziz et al.(2013)的一个猜想。此外,我们还得到了随机分配域的强存在性结果。效率和防策略性的概念都是基于随机优势的,并且在随机分配中得到了广泛的研究。证明关键使用布劳威尔的不动点定理,因此是非建设性的。据我们所知,这是第一次应用不动点定理来证明社会选择函数或机制的存在。
2014-11-26 cs.GT cs.MA
A Statistical Decision-Theoretic Framework for Social Choice
Google Research(谷歌研究院);Harvard University(哈佛大学);Rensselaer Polytechnic Institute(伦斯勒理工学院)
在本文中,我们采取统计决策理论的社会选择的观点,把重点放在决策代表一个系统的代理。在我们的框架中,我们给出了一个统计排名模型,决策空间,和(参数,决策)对定义的损失函数,并制定社会选择机制的决策规则,最大限度地减少预期损失。这为设计和分析新的社会选择机制提供了一个总体框架。我们比较贝叶斯估计,最大限度地减少贝叶斯预期损失,马洛模型和孔多塞模型分别,和Kemeny规则。我们考虑各种规范的属性,除了计算复杂性和渐近行为。特别是,我们证明了贝叶斯估计的孔多塞模型满足一些所需的属性,如匿名性,中立性和单调性,可以在多项式时间计算,是渐近不同的其他两个规则时,数据从孔多塞模型的一些地面真理参数。
2016-03-12 cs.AI cs.MA
Social Norm Reasoning in Multimodal Language Models: An Evaluation
School of Computing, University of Otago, New Zealand(奥塔哥大学计算机学院)
本文评估了多模态大语言模型在社会规范推理中的能力,发现GPT-4o在文本和图像模态中表现最佳,但所有模型在处理复杂规范时仍有困难。
2026-03-03 cs.AI cs.MA
Agent-Mediated Social Choice
Institut de Recherche en Informatique de Toulouse (IRIT)(图卢兹计算机科学研究所(IRIT));University of Toulouse(图卢兹大学)
直接民主经常被认为是21世纪民主问题的可能解决方案。然而,这一建议与21世纪社会的规模和复杂性相冲突,给选民带来了过度的认知负担,他们将不得不就过多的问题提出知情的意见。在本文中,我主张发展投票化身,代表每个公民进行辩论和投票的自主智能体。从人工智能,特别是多智能体系统和计算社会选择的理论研究,提出了21世纪的技术,为这一目的,从选民的偏好和价值观的紧凑表示,以发展的投票程序只供自主智能体使用。
2018-07-10 cs.AI cs.MA
Consistent Probabilistic Social Choice
Technische Universität München(慕尼黑工业大学)
研究社会选择理论中关于可变选民及相似替代方案组成部分的一致性公理,发现在概率社会选择背景下,这些公理唯一刻画Fishburn函数,该函数返回的最大彩票可借助线性规划有效计算。
2026-07-20 cs.CY cs.GT cs.MA
Sequential Deliberation for Social Choice
在大规模的集体决策中,社会选择是一个规范性的研究,研究人们应该如何设计一个达成共识的协议。然而,在基础决策空间对于顺序投票来说太大或太复杂的情况下,社会选择的标准投票方法可能是不切实际的。那么,我们如何设计一种机制--最好是去中心化的、简单的、可扩展的,并且不需要任何关于决策空间的特殊知识--来达成共识呢?我们建议顺序审议作为这个问题的自然解决方案。在这种迭代法中,连续对代理商讨价还价的决策空间使用以前的决定作为一个分歧的替代。我们描述了一般的方法,并分析其结果的质量时,空间的偏好定义一个中位数图。我们表明,顺序审议发现一个1.208近似的最佳社会成本在这样的图,非常接近这个值,只有一个小的常数从人口中抽样的代理。我们还显示了更简单的机制类的下限,以证明我们的设计选择。我们进一步表明,顺序审议是事后帕累托有效的,并有真实的报告作为一个均衡的诱导广泛的形式游戏。最后,我们证明了在一般度量空间中,序贯审议结果的社会成本分布的二阶矩也是有界的。
2017-10-02 cs.GT cs.MA
SocialGym: Evaluating LLM Social Intelligence through Verifiable Multi-Agent Games
Carnegie Mellon University(卡内基梅隆大学)
该研究推出Social Gym多智能体社会游戏环境与SPaRTan自博弈反思迁移方法,前者可客观基准测试LLM社会推理,后者可提升GPT-5-mini的弱角色表现,为改进LLM社会推理提供了可复现基础。
2026-11-10 cs.AI cs.CL cs.MA
Computational Social Choice and Computational Complexity: BFFs?
University of Rochester(罗切斯特大学)
我们讨论了计算社会选择(comparison)和计算复杂性之间的联系。我们强调迄今为止在这一联系的两个较少得到承认的方面所做的工作,并敦促继续注重这两个方面。首先,这在很大程度上是一条双行道:每个人都知道复杂性分类用于commonly,但我们也强调了复杂性在commonly中的使用所带来的好处。其次,更微妙的、不太为人所知的复杂性工具通常可以非常有效地用于复杂性分析。
2017-11-21 cs.AI cs.CC cs.GT
Characterization of Group-Fair Social Choice Rules under Single-Peaked Preferences
Indian Institute of Science(印度科学学院);IIT, Kanpur(坎普尔印度理工学院);ISI, Kolkata(加尔各答印度统计研究所)
我们研究了单峰偏好下社会选择环境中的公平性。社会选择规则的单峰域的建设和表征已被广泛研究在以前的作品。事实上,在单峰域中,已知一致和防策略的确定性规则必须是最小-最大规则,并且那些也满足匿名性的规则必须是中值规则。此外,满足这些属性的随机社会选择规则已被证明是各自的确定性规则的凸组合。我们通过在社会选择中纳入公平考虑,对这一结果进行了非平凡的补充。我们的研究直接解决了代理人群体的公平性问题。为了研究组公平性,我们考虑现有的分区的代理逻辑组,基于自然属性,如性别,种族和位置。为了在每个组中捕获公平性,我们引入了组匿名的概念。为了捕捉群体之间的公平性,我们提出了一个弱的概念,以及一个强的公平性概念。建议的公平性概念原来是现有的个人公平性概念的自然概括,而且提供严格的顺序偏好,不像现有的组公平性概念的非平凡的结果。我们提供了满足群体公平性的随机社会选择规则的两个单独的特征:(i)直接特征(ii)极值点特征(作为公平确定性社会选择规则的凸组合)。我们还探讨了特殊的情况下,没有群体,并提供更清晰的特征的规则,实现个人的公平。
2022-07-16 cs.AI cs.GT cs.MA
Social Reasoning in Machines: Investigating Collective Truth-Seeking Dynamics in Large Language Model Debate
Department of Computer Science University of Bath(计算机科学系英国巴斯大学)
通过多智能体辩论模拟论证推理理论,证明大语言模型集体辩论能显著提升基于问卷的求真任务性能,并提出利用辩论动态测量模型内在属性的新基准方法。
2026-05-28 cs.AI cs.CL cs.MA
SNA-based reasoning for multiagent team composition
Metropolitan-United Faculty (FMU)(大都会联合学院);Federal University of ABC (UFABC)(ABC联邦大学)
社会网络分析(social network analysis,SNA)是复杂系统的一个分支,可以用来构造多智能体系统。本文提出了一种研究如何社会网络分析可以协助建模多智能体系统,同时解决这两种理论之间的异同。我们建立了一个原型的多智能体系统的任务,通过形成的基础上建立的社会网络的代理人之间形成的代理团队的决议。代理人利用性能指标来评估何时应该改变他们的社会网络,以最大限度地参与团队
2015-06-16 cs.AI cs.MA cs.SI
Justifying Social-Choice Mechanism Outcome for Improving Participant Satisfaction
Bar-Ilan University(巴伊兰大学)
在许多社会选择机制中,所产生的选择对于一些参与者来说不是最优选的,因此需要以提高所述参与者的接受度和满意度的方式来证明所做出的选择的方法。提供这种解释的一种自然方法是要求人们提供它们,例如,通过众包,并选择最有说服力的论点中收到的。在本文中,我们提出了一种替代的方法,一个自动生成的理论机制设计文献中发现理想的机制功能的基础上的解释。我们通过一系列广泛的实验进行了600多名参与者的排名投票,一个经典的社会选择机制的有效性测试的方法。对结果的分析表明,在这种情况下,解释确实会影响对结果的平均满意度和接受度。特别是,当结果(在我们的情况下获胜的候选人)是参与者最不希望的选择时,解释对满意度和接受度有积极的影响。一项比较分析表明,自动生成的解释与成本更高的众包解释相比,其结果的满意度和接受程度相似,因此无需让人类参与其中。此外,与众包的解释相比,自动生成的解释大大降低了参与者认为应该选出不同的获胜者的信念。
2022-05-24 cs.AI cs.GT cs.MA
Bayesian Social Deduction with Graph-Informed Language Models
Purdue University(普渡大学);Oracle(甲骨文公司);Virginia Tech(弗吉尼亚理工大学);Intel Labs(英特尔实验室)
本文提出一种混合推理框架,通过外部化信念推断到结构化概率模型,结合语言模型进行理解和交互,在Agent-Agent游戏中实现与大模型相当的性能,并首次在受控研究中击败人类玩家。
2026-04-10 cs.AI cs.CL cs.LG
GTAlign: Game-Theoretic Alignment of LLM Assistants for Social Welfare
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);VMware Research(VMware研究)
本文提出博弈论对齐框架GTAlign,通过在推理阶段构建收益矩阵选择互利行动,在训练阶段引入社会福利奖励强化合作回复,有效解决了LLM回复次优问题,显著提升了推理效率、回答质量与社会福利。
2025-11-03 cs.AI cs.GT cs.HC