Sybil-Resistant Service Discovery for Agent Economies
Operator Labs
针对智能体经济中HTTP服务的可信发现问题,提出基于声誉加权排名算法TraceRank,利用支付交易作为背书并结合语义搜索,实现抗女巫攻击的高质量服务发现。
2025-10-31 cs.AI cs.CR cs.SI
FLARE: Adaptive Multi-Dimensional Reputation for Robust Client Reliability in Federated Learning
FLARE通过多维声誉评分、自校准阈值机制和加权聚合方法提升联邦学习中对抗攻击的鲁棒性,实验显示其在多种攻击下保持高准确率和快速收敛。
2026-05-12 cs.AI cs.CR cs.DC
Why LLM Agents Favor Their Group: Stakes, Observed Norms, and Reputation
Massachusetts Institute of Technology(麻省理工学院);Primitive Labs(Primitive实验室)
该研究通过对OpenAI和Claude模型的实验,发现LLM智能体的群体偏袒源于观察到的群体行为,利害关系下会被个体声誉凌驾,还能预测其对背叛等场景的反应。
2026-10-09 cs.AI physics.soc-ph
The Application of Energy and Laplacian Energy of Hesitancy Fuzzy Graph Based on Similarity Measures in Decision Making Problems
Vellore Institute of Technology(韦洛尔理工学院)
本文定义了一种新的犹豫模糊相似测度,并利用它构造了犹豫模糊相似测度矩阵,然后利用工作过程对犹豫模糊图进行分类。我们建立了一个工作程序(算法),通过应用犹豫模糊偏好关系(HFPRs)和通常的相似度的一个不同的HFPRs彼此的,用于估计合格的信誉评分值的专家。作为最后一步,我们提供实时的数值例子来演示和验证我们的工作程序。
2022-04-28 cs.AI
Whose doctor does the AI recommend? An algorithm audit of reputation and demographic signals in large language model-assisted physician choice
Heidelberg University(海德堡大学)
该研究通过随机算法审计发现,LLM辅助医生选择时,声誉信号影响最大,人口统计信号存在倾斜但模型解释未体现,提出重复行为审计是合适的监测技术。
2026-08-17 cs.AI cs.CL cs.CY
Decision Making Using Rough Set based Spanning Sets for a Decision System
基于粗糙集的概念,最近提出的跨度和跨度集来处理数据中的不确定性。在这里,本文提出了新的概念,通用的决策过程中使用粗糙集的决策表的跨度。人工智能中的大多数问题都与决策有关。本文提供了现实生活中的应用,建议粗糙集的决策表的跨度。本文提出了决策表跨度的新概念,并以抗洪救灾和救援队伍分配为例进行了说明。探讨了它的用途、应用和性质。本文的主要贡献是研究了基于粗糙集的决策表生成问题,而不是以往的信息系统。在这里,主要的贡献是,决策类自动学习的粗糙集的技术为基础的跨度,为特定的问题,从而自动化的决策过程。这些基于跨度的决策工具可以指导专家在艰难和有时限的情况下做出决策。
2021-07-21 cs.AI
Accelerating Entrepreneurial Decision-Making Through Hybrid Intelligence
通过混合智能加速创业决策创业决策指导的设计范例和原则
2021-05-07 cs.AI cs.HC
Navigating Decision Landscapes: The Impact of Principals on Decision-Making Dynamics
Microsoft(微软)
本研究探讨社会决策中负责主体(外部引导者)的影响,发现其可靠性显著影响决策,偶尔信任不可靠主体可改变结果,随机建议下信任增加错误,强调需谨慎信任。
2023-12-25 cs.AI
Investigation of A Collective Decision Making System of Different Neighbourhood-Size Based on Hyper-Geometric Distribution
Jadavpur University(贾达普大学);University of Paderborn(帕德博恩大学)
集体决策系统的研究是近年来群体智能相关研究的核心内容。集体决策系统建模的最具挑战性的任务是从其微观模型发展宏观随机方程。在这份报告中,我们已经调查了行为的集体决策系统与指定的微观规则,类似的化学反应,并使用不同的组大小。然后,我们大胆地推导出一个广义的分析模型的集体决策系统使用超几何分布。索引词群;集体决策;噪声;群体规模;超几何分布
2014-10-21 cs.AI
Deliberation Scheduling for Time-Critical Sequential Decision Making
Brown University(布朗大学)
我们描述了一种方法,涉及顺序任务和随机过程的时间关键的决策。该方法采用了几个迭代细化例程来解决决策问题的不同方面。本文集中在审议调度的元级控制问题,分配计算资源,这些例程。我们提供了不同的模型对应的优化问题,捕捉不同的情况和计算策略下的时间限制的决策。我们考虑的先驱模型,其中所有的决策执行之前,执行和经常性的模型,其中决策执行并行,占在执行过程中观察到的状态,并预测未来的状态。我们描述了算法的前兆和经常性的模型,并提供我们的实证调查的结果。
2013-03-06 cs.AI
A Subjective Model of Human Decision Making Based on Quantum Decision Theory
KTH Royal Institute of Technology(瑞典皇家理工学院)
人类决策的计算机建模非常重要,例如,可持续交通、城市发展和在线推荐系统。在本文中,我们提出了一个模型来预测一个人的行为,在一个二元游戏中,不同的风险,收益和时间压力。该模型是基于量子决策理论(QDT),这已被证明,使建模的非理性和主观方面的决策,不占经典的累积前景理论(CPT)。在两个不同数据集上的实验表明,我们基于QDT的方法优于基于CPT的方法和数据驱动的方法,如前馈神经网络和随机森林。
2021-01-14 cs.AI
Arguing for Decisions: A Qualitative Model of Decision Making
Universidad Simon Bolivar(西蒙·玻利瓦尔大学)
我们开发了一个决策的定性模型,有两个目的:描述人们如何做出简单的决策,并使计算机程序做同样的事情。目前基于规划或决策理论的方法要么忽略了不确定性和权衡,要么提供了太复杂的语言和算法来完成这项任务。该模型提供了一种基于规则的语言,基于高概率和词典编纂偏好的语义,以及一个透明的决策过程,其中支持和反对决策的原因相互作用。该模型不能替代决策理论,但对于人们认为容易解释的决策,它可能提供一个有吸引力的替代方案。
2013-02-13 cs.AI
Decision-Making Technology for Autonomous Vehicles Learning-Based Methods, Applications and Future Outlook
Delft University of Technology(代尔夫特理工大学)
自主车辆在民用和军事领域都有着巨大的应用潜力,随着科学和经济的快速发展,自主车辆已成为研究的热点。本文简要介绍了基于学习的自主车辆决策技术,因为它对自主车辆的安全和高效性能具有重要意义。首先,给出了决策技术的基本轮廓。其次,对基于学习的自主车辆决策方法的相关研究进行了综述,并与经典决策方法进行了比较。此外,总结了决策方法在现有自主车辆中的应用。最后,对自主车辆决策技术的未来研究方向进行了展望。
2021-07-02 cs.AI cs.RO
Conditions for Normative Decision Making at the Fire Ground
The Main School of Fire Service(消防勤务总学校)
我们讨论了在火场决策的态度的变化。这些变化是由最近的技术转变推动的。新兴的传感和数据处理新方法(在网络物理系统的共同保护伞下)允许拉平人类和机器之间在感知火场方面的差距。此外,描述性决策理论的结果质疑人类选择的合理性。这就需要寻找和测试在紧急情况下进行决策的新方法。我们提出了满足这一需求的框架。该框架的主要特点是有可能将规范性和规范性方法纳入决策过程。该框架还允许比较人类和机器之间的决策性能。
2015-12-15 cs.AI
A Method for Determining Weights of Criterias and Alternative of Fuzzy Group Decision Making Problem
Kim Il Sung University(金日成大学)
针对决策者对准则有不同形式的偏好信息的模糊群决策问题,建立了准则权重的确定模型,并利用所建立的模型和准则之间的关系分析,给出了确定最优方案的方法。
2017-05-16 cs.AI
Interval-valued q-Rung Orthopair Fuzzy Choquet Integral Operators and Its Application in Group Decision Making
Jiangxi University of Finance and Economics(江西财经大学)
用区间值q阶正射模糊集(IVq-ROFS)进行评价,使决策者更加灵活,为模糊决策提供了更广阔的应用空间。同时,Choquet积分是非可加集函数(模糊测度)来直接描述属性之间的相互作用,特别是在实际问题中存在大量属性之间具有相关性的问题,因此,本文提出了基于区间值q-阶正射模糊集Choquet积分的相关算子和群决策方法,首先,区间值q阶正射模糊Choquet积分平均算子(IVq-ROFCA)和区间值q-阶正射模糊Choquet积分几何算子(IVq-ROFCG),证明了它们的基本性质,并在IVq-ROFCA和IVq-ROFCG的基础上构造了几种算子。最后,通过高血压预警管理系统的实现,表明本文提出的算子和群决策方法能够处理现实中的复杂决策案例,决策结果与医生的诊断结果一致,而且,与其他算子的结果比较表明,所提出的算子和群决策方法是正确有效的,决策结果不受q值变化的影响。
2021-11-30 cs.AI
Personalized Decision Making -- A Conceptual Introduction
个性化决策针对特定个体的行为,而基于群体的决策关注与该个体相似的子群体。本文阐明了两者之间的区别,并解释了为什么前者会导致更明智的决定。我们进一步表明,通过结合实验和观察研究,我们可以获得有价值的个人行为的信息,从而改善决策,从实验研究中获得的。
2022-08-19 cs.AI cs.LO stat.ME
Using AI Uncertainty Quantification to Improve Human Decision-Making
DEVCOM Army Research Laboratory(DEVCOM陆军研究实验室);University of Texas at Dallas(德克萨斯大学达拉斯分校)
本研究通过两项在线实验证明,实例级不确定性量化能改善人类决策,且其益处具有跨表示形式的普遍性。
2024-02-06 cs.AI cs.HC
Decoding AI's Nudge: A Unified Framework to Predict Human Behavior in AI-assisted Decision Making
Purdue University(普渡大学)
本文提出一个统一计算框架,将AI辅助视为决策中的“助推”,通过可解释地建模人类信息权衡策略的变化来预测AI辅助决策行为,并在真实数据上验证其优于基线方法,同时揭示不同认知风格个体受AI助推的差异。
2024-01-11 cs.AI cs.HC
Natural Language Generation enhances human decision-making with uncertain information
Edinburgh Napier University(爱丁堡纳皮尔大学);Heriot-Watt University(赫瑞-瓦特大学)
决策通常依赖于不确定的数据,例如与置信度得分或概率相关的数据。我们提出了一个不同的信息呈现不确定数据的比较,并首次衡量其对人类决策的影响。我们表明,使用自然语言生成(NLG),提高决策的不确定性,与最先进的基于图形的表示方法。在一项针对442名成年人的基于任务的研究中,我们发现,使用NLG的演示文稿比图形演示文稿平均提高了24%的决策能力,当NLG与图形相结合时,决策能力提高了44%。我们还表明,当呈现NLG输出时,女性获得了更好的结果(与图形演示相比,平均增加了87%)。
2016-08-15 cs.AI cs.CL
From Cognitive to Computational Modeling: Text-based Risky Decision-Making Guided by Fuzzy Trace Theory
The University of Auckland(奥克兰大学)
由于内在的个体差异和非理性,理解,建模和预测人类风险决策是具有挑战性的。模糊迹理论(FTT)是一种强大的范式,它通过结合要点来解释人类决策,即,信息的模糊表示,只捕捉其本质意义。受Broniatowski和Reyna的FTT认知模型的启发,我们提出了一个计算框架,它结合了底层语义和情感对基于文本的决策的影响。特别是,我们引入类别2-向量学习分类主义者和分类情绪,并展示了如何优化我们的计算模型,以预测群体和个人的风险决策。
2022-05-15 cs.AI cs.CL
A Decision-Making Support System Based on Know-How
所描述的研究成果涉及:-开发领域建模方法和工具,为计算机集成制造决策支持系统的设计和实现提供支持; -建立基于专有技术的决策支持系统及其软件环境。该研究由日本NEDO资助。
2006-06-02 cs.AI cs.CE
Safe Decision-making for Lane-change of Autonomous Vehicles via Human Demonstration-aided Reinforcement Learning
Nanyang Technological University(南洋理工大学);Energy Research Institute, Nanyang Technological University(南洋理工大学能源研究院)
决策对于自动驾驶中的车道变换至关重要。强化学习(Reinforcement learning,RL)算法旨在识别各种情况下的行为值,因此成为解决决策问题的一条有前途的途径。然而,运行时安全性差,阻碍了基于RL的决策策略,从复杂的驾驶任务在实践中。为了解决这个问题,人的示范纳入RL为基础的决策策略在本文中。在驾驶模拟器中由人类受试者做出的决定被视为安全演示,其被存储到重放缓冲器中,然后用于增强RL的训练过程。一个复杂的车道变换任务,在出口匝道的情况下,建立检查所开发的策略的性能。仿真结果表明,人工演示可以有效地提高强化学习决策的安全性。所提出的策略优于其他现有的基于学习的决策策略,就多种驾驶性能。
2022-07-07 cs.AI cs.RO
Determinants of LLM-assisted Decision-Making
Ferdinand Porsche Mobile University of Applied Sciences (FERNFH)(费迪南德保时捷移动应用科学大学(FERNFH))
本文通过系统文献分析,梳理了透明度、提示工程、情绪、任务难度等影响LLM辅助决策的决定因素,并提出依赖框架揭示其相互依赖关系,为优化人机协作决策和LLM界面设计提供理论基础。
2024-02-27 cs.AI cs.HC
DeLLMa: Decision Making Under Uncertainty with Large Language Models
University of Southern California(南加州大学)
本文提出DeLLMa框架,通过整合推理时计算扩展、决策理论与效用理论的多步推理过程,提升大型语言模型在不确定性环境下的决策准确性,实现高达40%的准确率提升。
2024-10-11 cs.AI cs.CL cs.LG
Developing moral AI to support antimicrobial decision making
Imperial College London(伦敦帝国理工学院);National Institute for Health Research(国家健康研究所)
人工智能(AI)协助抗生素处方引发了重大的道德问题。利用道德框架和人工智能驱动的系统,同时考虑感染的具体复杂性,可以支持道德决策,以解决抗生素耐药性问题。
2022-08-12 cs.AI cs.CY cs.LG
Fairness and Sequential Decision Making: Limits, Lessons, and Opportunities
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校);University of California, Berkeley(加州大学伯克利分校);Microsoft Research(微软研究院)
随着自动决策和决策辅助系统在日常生活中变得越来越普遍,关于预防或减轻这些系统所做决策产生的潜在危害的研究也越来越多。然而,不同的研究团体已经独立地对这些危害进行了概念化,设想了潜在的应用,并提出了干预措施。其结果是一个有点破碎的文学景观一般集中在确保决策算法“做正确的事情”。在本文中,我们比较和讨论的工作在两个主要子集的文献:算法公平性,主要集中在预测系统,道德决策,主要集中在顺序决策和规划。我们探讨这些设置如何表达其规范性的问题,这些不同的设置不同的技术的可行性,以及如何从每个设置的想法可能有其他的效用。
2023-01-13 cs.AI cs.CY cs.LG
Building Decision Making Models Through Language Model Regime
Alibaba Group(阿里巴巴集团)
本文提出LTU两阶段方法,通过跨领域预训练构建基础决策模型并面向场景微调,利用LLM增强单步与多步决策的泛化能力。
2024-08-12 cs.AI cs.CL cs.LG
On The Statistical Complexity of Offline Decision-Making
Johns Hopkins University(约翰斯·霍普金斯大学)
该研究针对带函数逼近的离线决策,建立了随机上下文赌博机与马尔可夫决策过程的(近)极小极大最优速率,提出严格涵盖既往数据覆盖概念的行为策略新刻画,并验证了离线数据在多类在线决策场景中的近最优效益。
2025-01-10 cs.AI cs.LG stat.ML
Personalized next-best action recommendation with multi-party interaction learning for automated decision-making
University of Technology Sydney(悉尼科技大学)
在自然、社会和商业决策中,人们广泛需要在连续、动态和交互的环境中为每个客户自动推荐下一个最佳行动。个性化的次佳行动建议必须涉及过去,当前和未来的客户人口统计数据和环境(状态)和行为,客户和决策者之间的长期顺序交互,状态,行为和行动之间的多序列交互,以及他们对对方行动的反应。没有现有的建模理论和工具,包括马尔可夫决策过程,用户和行为建模,深度顺序建模,个性化顺序推荐,可以量化这样的复杂的决策在个人层面上。我们采取数据驱动的方法来学习下一个最好的行动,个性化的决策,通过加强耦合递归神经网络(CRN)。CRN表示客户的历史和当前状态的多个耦合动态序列,对决策者行为的响应,对行为的决策奖励,并学习各方(客户和决策者)之间的长期多序列交互。然后在某个时间点对每个客户推荐下一个最佳行动,以改变他们的状态,实现最佳决策目标。我们的研究展示了多序列交互的个性化深度学习和复杂系统中个性化决策的自动动态干预的潜力。
2021-08-19 cs.AI cs.LG cs.NE
Discrete Route/Trajectory Decision Making Problems
Inst. for Information Transmission Problems, Russian Academy of Sciences(信息传输问题研究所,俄罗斯科学院)
本文研究了复合多阶段决策问题,旨在设计从初始决策状态到目标决策状态的路径或轨迹。通过汽车路线问题作为基本物理隐喻,探讨了离散操作/状态设计空间(如有向图)中的多种决策问题,并在教育、医学和经济等领域应用。
2015-08-16 cs.AI cs.SY eess.SY
Double Fuzzy Probabilistic Interval Linguistic Term Set and a Dynamic Fuzzy Decision Making Model based on Markov Process with tts Application in Multiple Criteria Group Decision Making
Stanford University(斯坦福大学)
针对概率语言术语缺陷及动态属性权重确定难问题,提出双模糊概率区间语言术语集概念,定义相关内容,开发模糊语言马尔可夫矩阵等,给出权重确定方法,并用金融风险投资案例说明其在多准则决策中的应用。
2026-07-07 cs.AI cs.SY econ.GN
Decision Making in Changing Environments: Robustness, Query-Based Learning, and Differential Privacy
研究时变环境下的交互式决策问题,提出hybrid DMSO框架以统一分析LDP决策、SQ学习及鲁棒决策,并基于DEC变体推导界,揭示其与SQ维度等概念的关联,应用于上下文赌博机。
2025-01-24 cs.AI cs.IT cs.LG