Verification of the Socio-Technical Aspects of Voting: The Case of the Polish Postal Vote 2020
本文针对2020年波兰邮寄投票首次构建多智能体图模型,利用智能体逻辑形式化安全属性,并通过Uppaal模型检测器验证,结合变量抽象技术有效缓解状态空间爆炸以分析复杂场景。
2023-10-18 cs.MA
An Empirical Study of the Manipulability of Single Transferable Voting
NICTA(国家信息与通信技术研究院);UNSW(新南威尔士大学)
投票是一种将多个代理人的偏好组合在一起的简单机制。代理人可能试图通过误报他们的偏好来操纵投票结果。这种操作可能存在的一个障碍是计算复杂性。特别是,它已被证明是NP-难计算如何操纵一些不同的投票规则。然而,NP-困难仅限制了最坏情况的复杂性。最近的理论结果表明,操纵在实践中往往是容易的。在本文中,我们实证研究单一可转移投票(STV)的可操纵性,以确定是否计算复杂性是真正的操纵障碍。STV是最早被证明是NP难的投票规则之一。这似乎也是最难操纵的投票规则之一。我们抽样了一些分布的选票,包括统一和真实世界的选举。在我们的实验中,几乎每一次选举都很容易计算出单个代理人如何操纵选举,或者证明单个代理人的操纵是不可能的。
2010-05-28 cs.AI cs.GT cs.MA
Multi-agent simulation of voter's behaviour
Univ. Grenoble-Alpes(格勒诺布尔-阿尔卑斯大学);Grenoble Informatics Laboratory(格勒诺布尔信息学实验室);ENSIMAG(格勒诺布尔国立高等计算机与应用数学学院)
本文的目标是模拟给定投票方法的选民行为。我们的方法使用多代理模拟,以模拟投票过程,通过多次迭代,使选民可以投票,考虑到民意调查的结果。在这里,我们只尝试了基本的规则和单一的投票方法,但进一步的尝试可以探索新的功能。
2021-01-27 cs.AI cs.CY cs.MA
Heuristics in Multi-Winner Approval Voting
Tulane University(杜兰大学);IHMC
在许多现实世界中,集体决策是通过投票做出的。此外,委员会或董事会选举等场景需要返回多个获胜者的投票规则。在多赢家批准投票(AV)中,代理人可以投票给他们想要的候选人。获胜者是通过计算选票和选择获得最多选票的前$k$候选人来选出的。代理人可能会操纵投票,通过以不反映其真实偏好的方式投票来实现更好的结果。在复杂和不确定的情况下,代理人可以使用策略来制定策略,而不是承担计算最有利于他们的操纵所需的额外工作。在本文中,我们研究了投票行为在多个赢家批准投票的情况下,完全信息。我们发现,人们通常操纵他们的投票,以获得更好的结果,但往往不确定的最佳操纵。相反,选民倾向于优先考虑效用最高的候选人。使用模拟,我们证明了这些代理人只能获得部分信息的情况下,这些prostistics的有效性。
2019-05-30 cs.AI cs.GT 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
Voting or Consensus? Decision-Making in Multi-Agent Debate
University of Göttingen(戈丁根大学);LKA NRW(NRW研究所)
本文系统比较多智能体辩论中的七种决策协议,发现投票更利于推理、共识更利于知识任务,并提出AAD与CI两种提升答案多样性的方法。
2025-09-30 cs.AI cs.CL cs.MA
Modeling Voters in Multi-Winner Approval Voting
Tulane University(杜兰大学);Louisiana State University(路易斯安那州立大学);University of West Florida(西佛罗里达大学);Institute for Human and Machine Cognition(人机认知研究所)
在许多现实世界的情况下,集体决策是通过投票做出的,在委员会或董事会选举等情况下,采用返回多个获胜者的投票规则。在多获胜者批准投票(AV)中,代理人提交一张选票,其中包括对任意多个候选人的批准,通过清点选票并选择获得最多批准的前$k$候选人来选择获胜者。在许多情况下,代理人可能会操纵他们提交的选票,以便通过以不反映其真实偏好的方式投票来实现更好的结果。在复杂和不确定的情况下,代理人可能会使用人工智能,而不是招致额外的努力,计算最有利于他们的操纵。在本文中,我们研究了投票行为,在单赢家和多赢家批准投票的情况下,不同程度的不确定性,从机械土耳其获得的行为数据。我们发现,人们通常操纵他们的投票,以获得更好的结果,但往往不确定最佳的操纵。在COMSOC和心理学文献中,有许多基于认知上合理的启发式策略的智能体行为预测模型。我们表明,现有的方法不足以模拟真实世界的数据。我们提出了一个新的模型,考虑到获胜集的大小和人类的认知约束,并证明该模型是更有效地捕捉现实世界中的行为在多个赢家批准投票的情况下。
2020-12-04 cs.AI cs.GT cs.MA
Convergence Voting: From Pairwise Comparisons to Consensus
人工智能设计和伦理的一个重要方面是创建反映社会总体偏好的系统。为此,经常使用社会选择理论的技术。我们提出了一个新的社会选择功能的PageRank算法的动机。该函数基于成对比较的孔多塞图对投票选项进行排名。为此,我们将孔多塞图转化为马尔可夫链,其平稳分布提供了选项的分数。我们展示了固定分布中的值如何被解释为投票选项的量化总支持,选民社区通过一系列虚构的谈判步骤收敛到该选项。因此,我们建议将新的投票方案命名为“收敛投票”,并将由此产生的固定分数分配命名为“协商社区支持”。我们的社会选择函数可以被看作是一种共识投票方法,介于科普兰和博尔达之间。一方面,它并不一定选择孔多塞冠军,因为强大的支持,从社会的一部分,可以超过平庸的统一支持。另一方面,不受欢迎的候选人对结果的影响小于共识投票的主要技术,即,博达伯爵我们实现了这一点,而不必像其他一些方法那样引入一个特别的权重。
2021-03-01 cs.MA
Dealing with incomplete agents' preferences and an uncertain agenda in group decision making via sequential majority voting
University of Padova(帕多瓦大学);NICTA(国家信息与通信技术研究院);UNSW Sydney(悉尼新南威尔士大学)
我们考虑多代理系统,其中代理的偏好通过顺序多数表决聚合:每个决定是通过执行一系列成对比较,其中每个比较是代理之间的加权多数表决。由于隐私问题或正在进行的启发过程,代理偏好的不完整性在许多现实生活中很常见。此外,如何汇总偏好可能存在不确定性。例如,议程(一棵树,其叶子被标记为正在比较的决定)可能还不知道或固定。因此,我们研究如何确定集体最优决策(也称为赢家)时,偏好可能是不完整的,当议程可能是不确定的。我们表明,它是计算上很容易确定,如果一个候选人的决定总是赢,或可能会赢,无论议程。另一方面,在计算上很难知道候选决策是否在至少一个议程中获胜,至少一个完成代理的偏好。即使议程必须平衡,以便每个候选人的决定都面临相同数量的多数票,这些结果也是有效的。这样的结果是有用的推理偏好诱导。它们有助于理解任务的复杂性,例如确定是否可以集体做出决定,以及了解是否可以通过适当安排议程来操纵获胜者。
2009-09-24 cs.AI cs.GT cs.MA
PBFT-Backed Semantic Voting for Multi-Agent Memory Pruning
FPT University Sun Asterisk(FPT大学Sun Asterisk)
本文提出Co-Forgetting Protocol框架,通过结合上下文感知语义投票、多尺度时间衰减和PBFT共识机制,实现多智能体系统中的同步记忆剪枝,有效减少内存占用并保证容错性。
2025-06-24 cs.AI cs.DC cs.MA
Acyclic Games and Iterative Voting
我们考虑迭代投票模型,并将其定位在非循环游戏和游戏形式的一般框架内。更具体地说,我们对收敛结果进行分类的基础上的代理调度(球员的顺序)和动作调度(更好的答复播放)的基本假设。我们的主要技术成果是提供了一个完整的画面,在几个变化的多元投票的非周期性的条件。特别是,我们表明:(a)在传统的字典式平局打破,游戏收敛的任何顺序的球员下弱限制选民的行动;和(b)与随机平局打破的多个不保证收敛下任意代理商,但从任何初始状态有\emph{some}路径更好地回答一个纳什均衡。因此,我们展示了游戏形式的限制非循环性和弱非循环性之间的第一个分离,从而解决了[Kukushkin,IJGT 2011]中的一个悬而未决的问题。此外,我们还反驳了另一个关于强非循环投票规则的猜想。
2016-06-19 cs.GT cs.MA
Determining Possible and Necessary Winners Given Partial Orders
通常,投票规则要求代理人以线性顺序给出他们的偏好。然而,在某些情况下,它是不切实际的代理给所有的替代品的线性顺序。有人建议让代理商提交部分订单。然后,给定一个投票规则,一个偏序的轮廓,和一个备选(候选)c,两个重要的问题出现了:第一,c仍然有可能获胜吗?第二,c保证获胜吗?这些分别是可能的赢家和必要的赢家问题。这两个问题中的每一个都进一步分为两个子问题:确定c是否是唯一的赢家(即c是唯一的赢家),或者确定c是否是共同赢家(即c是赢家集合中的赢家)。我们考虑的设置中的选项的数量是无限的,投票是unweighted。我们完全描述了以下常见的投票规则的复杂性的可能/必要的赢家问题:一类的位置评分规则(包括Borda),科普兰,最大,Bucklin,排名对,投票树,和多径流。
2014-01-16 cs.GT cs.MA
RoundTable: Investigating Group Decision-Making Mechanism in Multi-Agent Collaboration
University of Pennsylvania(宾夕法尼亚大学);AWS GenAI(亚马逊生成人工智能)
本文系统研究了多智能体协作中的群体决策机制,发现多数投票和一致投票会降低效率,并提出基于语言的早停方法,在减少50%轮次的同时使性能提升13%,揭示了群体决策对优化MAS协作的重要性。
2025-06-03 cs.AI cs.MA
One Panel Does Not Fit All: Case-Adaptive Multi-Agent Deliberation for Clinical Prediction
Georgia Institute of Technology(佐治亚理工学院);Peking University(北京大学)
本文提出CAMP框架,通过动态组建专家团队应对临床预测中的案例异质性,采用三值投票机制和混合路由策略,实现更精确的诊断预测和住院疗程生成,优于现有方法。
2026-03-31 cs.AI cs.CL cs.MA
Misinformation Propagation in Benign Multi-Agent Systems
University of Göttingen, Germany(德国哥廷根大学);LKA NRW, Germany(德国北莱茵-威斯特法伦州警署);Shared last authorship(共同通讯作者)
研究在良性多智能体系统中,基于意图的错误信息如何通过智能体交互传播,并发现多智能体辩论相比单智能体提示能减少性能下降,鲁棒性取决于群体组成和决策协议。
2026-10-15 cs.CL cs.MA
Predicting Voting Outcomes in the Presence of Communities, Echo Chambers and Multiple Parties
最近提出的图论度量,影响力差距,已被证明是一个可靠的预测社会影响力在两党选举中的效果,虽然只测试定期和无标度图。在这里,我们研究了影响力差距是否能够预测具有社区结构的网络上的多党选举结果,即,由高度互连的组件组成,因此更类似于现实世界的交互。为了对社区进行编码,我们建立在caveman图的经典模型上,我们将其扩展到一个更丰富的图形家族,该图形家族显示不同程度的同质性,即,有多少联系和观点交织在一起。首先,我们研究了社区存在时影响力差距的预测能力。我们发现,当没有明确的初始多数的影响差距是不是一个很好的预测选举结果。当我们考虑到不同的多数时,尽管影响力差距作为一个预测因素有所改善,但在所有同质性水平上,计算最初的党派多数一直更好。其次,我们研究了更多的预测指标的综合效果,作为同质性水平的函数。使用回归模型,我们证明了影响力差距与初始票数相结合,确实增加了某些水平的同质性的整体预测能力。第三,我们研究两个以上政党的选举。具体来说,我们扩展的影响力差距的定义,以任何数量的政党,考虑到各种概括,并表明,初始的选票计数有一个更高的预测能力相比,影响力差距比它在两党的情况下。
2022-02-08 cs.MA cs.SI physics.soc-ph
Consensus-based Participatory Budgeting for Legitimacy: Decision Support via Multi-agent Reinforcement Learning
University of Leeds(利兹大学)
针对参与式预算投票结果欠公平包容、商议缺乏体系且难规模化的问题,提出基于多智能体强化学习决策支持的迭代共识式参与式预算流程,经波兰真实数据验证可高效稳健达成共识,妥协程度与现有公平投票方法相当。
2023-07-24 cs.AI cs.MA
Heuristic Strategies in Uncertain Approval Voting Environments
Tulane University(杜兰大学);Louisiana State University(路易斯安那州立大学);Institute for Human & Machine Cognition(人机认知研究所);University of West Florida(西佛罗里达大学)
在许多集体决策的情况下,代理投票选择一个最能代表群体偏好的替代方案。代理人可能会操纵投票,以达到更好的结果,通过投票的方式,不反映他们的真实偏好。在现实世界的投票场景中,人们通常没有关于其他选民偏好的完整信息,并且确定将最大化其预期效用的策略在计算上可能是复杂的。在这种情况下,人们通常认为选民会诚实地投票,而不是花费精力制定策略。然而,诚实只是一种可能的启发式方法。在本文中,我们研究了在单一赢家和多赢家批准投票的情况下,遗漏选票的有效性。特别是,我们研究了选民忽略其他投票资料的信息,并仅根据他们对每个候选人的喜爱程度做出决定的选举。在一个行为实验中,我们发现人们在某些情况下会如实投票,而在其他情况下会优先考虑高效用的候选人。我们研究这些行为最大限度地提高预期效用,并显示如何投票环境的结构影响每个启发式执行以及人类如何使用这些启发式。
2019-11-29 cs.AI cs.GT cs.MA
Unravelling multi-agent ranked delegations
University of Amsterdam(阿姆斯特丹大学);Institut de Recherche en Informatique de Toulouse (IRIT), University of Toulouse(图卢兹大学图卢兹计算机科学研究所);Centre d’Economie de la Sorbonne (CES), University of Paris 1 Panthéon-Sorbonne(巴黎第一大学先贤祠-索邦大学索邦经济中心)
我们引入了一个多代理排名代表团的投票模型。该模型概括了两个方面的流动民主:第一,代理人的代表团可以使用多个其他代理人的投票来确定自己的-例如,代理人的投票可能对应于受信任的代理人组的投票的多数结果;第二,代理人可以提交多个代表团的排名,以便当他们的首选代表团参与循环时可以使用备份代表团。本文的主要重点是解开程序的研究,从代理人收到的代表团选票转化为一个配置文件的直接投票,从中获胜的替代品,然后可以通过使用一个标准的投票规则来确定。我们提出并研究了六个这样的解开程序,两个基于优化和四个使用贪婪的方法。我们研究了算法和公理性质,以及相关的计算复杂性问题,我们解开程序的不同限制的类型的选票,代理人可以提交。
2021-11-25 cs.AI cs.MA
An agent-based model of multi-dimensional opinion dynamics and opinion alignment
众所周知,个人对不同政策问题的意见往往与占主导地位的意识形态相一致(例如“左”对“右”),并日益两极分化。我们提供了一个基于代理的模型,再现这两个程式化的事实作为紧急属性的观点动力学在一个多维空间的连续意见。在这个多维空间中,主体意见的变化机制来自认知失调理论和结构平衡理论。我们测试的假设,从邻近投票和定向投票的能力,以重现预期的新兴属性。我们进一步研究了代理人的情感参与,即他们个人对改变意见的抵制,如何影响动态。我们确定了两个制度的全球和个人的意见一致。如果情感的参与是高的,并显示出很大的差异代理,这促进了一个占主导地位的意识形态层面的出现。代理人在相反的方向上沿着这个维度调整他们的意见,即创建一个极化状态。
2020-03-12 cs.MA nlin.AO physics.soc-ph
mABC: multi-Agent Blockchain-Inspired Collaboration for root cause analysis in micro-services architecture
针对微服务架构根因分析中的故障传播与循环依赖问题,提出多智能体区块链启发式协作框架mABC,通过Agent Workflow和去中心化投票机制缓解LLM幻觉并避免非终止循环,显著提升了根因识别与解决性能。
2024-12-23 cs.CR cs.DC cs.MA
Debate or Vote: Which Yields Better Decisions in Multi-Agent Large Language Models?
Department of Computer Sciences, University of Wisconsin-Madison(计算机科学系,威斯康星大学麦迪逊分校)
本研究将多智能体辩论分解为多数投票和辩论,通过实验和理论证明多数投票贡献主要性能,并提出干预方法增强辩论效果。
2025-10-23 cs.CL cs.MA
When Debate Helps: Proposal Supply and Verification-Aware Readout in Multi-Agent Reasoning
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Rutgers University(罗格斯大学)
本研究提出可恢复余量与潜在验证辩论模型,结合覆盖选择的神经丛智能体社会,证明提案覆盖与真值敏感证据使用是辩论超越多数投票的互补条件。
2026-10-06 cs.AI cs.CL cs.LG
How many candidates are needed to make elections hard to manipulate?
在多智能体环境中,智能体具有不同的偏好,偏好聚合是一个核心问题。投票是偏好聚合的一种通用方法,但开创性的结果表明,所有通用的投票协议都是可操作的。人们可以尝试通过使用投票协议来避免操纵,其中确定有益的操纵在计算上是困难的。最近研究了操纵候选人数量是一个小常数的现实选举的复杂性(Conitzer 2002),但重点是对于一些恒定数量的候选人,协议是否变得难以操纵的问题。在许多情况下,这项工作留下了一个悬而未决的问题:需要多少候选人才能使选举难以操纵?在比较不同投票协议的相对可操作性时,这是一个至关重要的问题。在本文中,我们回答了这个问题的投票协议的早期研究:多元化,Borda,STV,科普兰,maximin,定期杯,随机杯。我们还回答了两个投票协议的问题,没有结果的复杂性的操纵已经得出之前:否决权和多元化与径流。事实证明,所研究的投票协议在3名候选人、4名候选人、7名候选人或从未有候选人时变得难以操纵。
2003-07-02 cs.CC cs.GT cs.MA
The Consensus Trap: Collaborative Interleaved Generation to Defend against a Corrupted Majority
Carnegie Mellon University(卡内基梅隆大学);Foundations of Cooperative AI Lab (FOCAL)(协作人工智能基础实验室(FOCAL));Adelaide University(阿德莱德大学)
本文提出令牌级轮询协作方法,通过共享自回归上下文中的序列生成,解决多智能体系统中对抗性多数导致的响应级聚合失效问题,证明其在多种推理基准上具有鲁棒性。
2026-11-09 cs.AI cs.CL cs.MA
Not in My Backyard! Temporal Voting Over Public Chores
Northwestern University(西北大学);Harvard University(哈佛大学);University of Oxford(牛津大学)
研究公共事务时序投票模型,分析功利主义与平等主义福利优化的计算复杂性,探讨时序公平、在线算法竞争比及智能体策略行为,并讨论多种公平性度量的适用性。
2025-08-12 cs.AI cs.GT cs.MA