Investigations of Performance and Bias in Human-AI Teamwork in Hiring
Microsoft Research(微软研究院)
在人工智能辅助决策中,有效的混合(人类-人工智能)团队合作不仅取决于人工智能的表现,还取决于其对人类决策的影响。虽然先前的工作研究了模型准确性对人类的影响,但我们在这里努力研究模型的预测性能和偏差如何在简化辅助决策任务中转移到人类的复杂动态。我们考虑了ML辅助招聘领域,在这种情况下,在受约束的选择环境中操作的人类可以选择他们是否希望利用经过训练的模型的推断来帮助从书面传记中选择候选人。我们进行了一项大规模的用户研究,利用了之前工作中重新创建的真实BIOS数据集,其中人类在有和没有三种不同的NLP分类器(随机,词袋和深度神经网络)的帮助下预测给定候选人的地面实况。我们的研究结果表明,虽然高性能模型显著提高了人类在混合环境中的表现,但有些模型减轻了混合偏见,而另一些模型则加剧了这种偏见。我们通过决策一致性的视角来研究这些发现,并观察到我们的模型架构选择对人类-AI一致性和偏见产生了影响,从而激发了在部署之前评估这些复杂动态的明确需求。
2022-02-21 cs.AI cs.HC
Modeling multistage decision processes with Reflexive Game Theory
本文介绍了自反博弈论在多阶段决策问题中的应用。背后的想法是,每个决策会议有一定的参数,如“当会议正在发生”,“谁是小组成员作出决定”,“小组成员如何相互影响”等,这项研究说明了连续或顺序的决策过程,其中包括两个阶段。在第一阶段,对最终决策的参数做出决定。第二阶段是最终决策本身的实施。因为在阶段1期间,可以有多个决策会话。在这种情况下,需要两次以上的会议才能做出最终决定。因此,最终决策的整个过程变成了由连续的决策会议组成的多阶段决策过程。
2012-03-11 cs.AI cs.MA
Quantifying Gender Bias in Large Language Models: When ChatGPT Becomes a Hiring Manager
Massachusetts Institute of Technology(麻省理工学院)
研究量化了LLM在招聘决策中的性别偏见,发现女性候选人更易被录用但薪酬建议较低,探讨了提示工程作为偏见缓解技术。
2026-03-10 cs.AI cs.CY
Two Tickets are Better than One: Fair and Accurate Hiring Under Strategic LLM Manipulations
Stanford University(斯坦福大学)
针对求职者借助 LLM 差异化操纵简历造成的不公平与误判,论文提出并证明 two-ticket 及 n-ticket 简历筛选机制,可提升公平性和准确性,并在真实简历上验证。
2025-02-18 cs.AI cs.CY cs.GT
No Thoughts Just AI: Biased LLM Hiring Recommendations Alter Human Decision Making and Limit Human Autonomy
Kyra Wilson(1 Kyra Wilson);Mattea Sim(2 Mattea Sim)
本研究通过简历筛选实验发现,有偏见的AI招聘推荐会显著改变人类决策,使人们高达90%的时间偏向AI偏爱的群体,并限制人类自主性,即使人们认为AI推荐质量低也仍受影响。
2025-09-08 cs.AI cs.CL cs.CY
Can Labor Markets Function in the Age of AI? The Evaluation Bottleneck in Hiring
本研究分析AI使申请材料信息量降低,导致企业更依赖经验,损害缺乏经验的高匹配申请者,并提出多阶段招聘作为内生应对,恢复评估机会以维持市场功能。
2026-09-25 cs.AI cs.CY cs.GT
Making the Cut: A Bandit-based Approach to Tiered Interviewing
University of Maryland(马里兰大学);Tufts University(塔夫茨大学)
如果有大量的申请者,公司应该如何分配简历筛选、电话面试和现场访问的顺序?在分层面试过程中,后期阶段(例如,亲自访问)信息量更大,但也比早期阶段(例如,恢复筛选)。使用公认的招聘模型和结构化面试的概念,在人力资源的最佳实践,我们投分层招聘作为一个组合纯探索(CPE)的问题,在随机多臂强盗设置。目标是选择具有某种组合结构的手臂子集(在我们的情况下,申请人)。我们提出了新的算法,在可能近似正确(PAC)和固定预算的设置,选择一个接近最优的队列与可证明的保证。我们通过对美国最大的计算机科学研究生项目之一的真实数据进行模拟,表明我们的算法可以做出更好的招聘决策,或者使用比现状更少的预算。
2019-11-14 cs.AI cs.LG stat.ML
Evaluating LLM Behavior in Hiring: Implicit Weights, Fairness Across Groups, and Alignment with Human Preferences
Malt
本文提出评估LLM招聘决策的框架,发现模型重视核心生产力信号,但对某些特征的解释超出显性匹配价值,且不同群体间权重存在差异。
2026-01-16 cs.AI cs.CL cs.CY
Gender and Positional Biases in LLM-Based Hiring Decisions: Evidence from Comparative CV/Résumé Evaluations
本研究通过22个LLM的简历比较实验,发现模型普遍偏好女性候选人,并存在显著的位置偏差,提示在高风险决策中需谨慎使用LLM。
2025-05-27 cs.AI cs.CL cs.CY
The Illusion of Fairness: Auditing Fairness Interventions with Audit Studies
本文利用审计研究数据揭示传统公平性干预在招聘算法中的虚假公平现象,并提出基于个体处理效应估计的新干预方法以进一步减少算法歧视。
2025-07-02 cs.AI
The Audit Decides the Verdict: Instrument Effects Rival Demographic Bias in LLM Decision Audits
Carnegie Mellon University(卡内基梅隆大学);Amazon Web Services AI Native(亚马逊网络服务AI原生部门);Indian Institute of Technology(印度理工学院)
本研究通过大规模实验发现,LLM决策审计结果主要受审计工具设计影响,而非人口统计偏见,且此结论在招聘、贷款和医疗分诊中均成立。
2026-09-09 cs.AI cs.CL cs.CY
AI Skills Improve Job Prospects: Causal Evidence from a Hiring Experiment
Oxford Internet Institute, University of Oxford(牛津大学牛津互联网研究院);Institute for New Economic Thinking, Oxford Martin School(牛津马丁学院新经济思维研究所);Bruegel(布勒哲尔研究所);Humboldt Institute for Internet and Society(洪堡互联网与社会研究所);Copenhagen Center for Social Data Science, University of Copenhagen(哥本哈根大学哥本哈根社会数据科学中心);Medialab, Sciences Po Paris(巴黎政治学院媒体实验室)
本研究通过实验发现AI技能显著提升招聘机会,能抵消年龄和教育劣势,尤其对办公室助理效果显著。
2026-03-04 cs.AI econ.GN q-fin.EC
When Hiring Becomes Agent-Mediated: Evaluating Access and Recurrence in Two-Agent Résumé Screening
Northeastern University(东北大学)
本研究提出双智能体简历筛选方法,通过雇主与候选方智能体交换证据并更新判断,相比单次调用能改变决策方向,但复现性较低,表明筛选流程本身影响招聘准入。
2026-09-18 cs.AI cs.CL
Resume-ing Control: (Mis)Perceptions of Agency Around GenAI Use in Recruiting Workflows
New York University(纽约大学)
研究探讨了在招聘流程中使用生成式AI时,专业人员对自身控制权和代理的感知,揭示了AI对招聘流程基础构建块的影响及招聘人员技能退化的问题。
2026-04-29 cs.AI cs.CY
When Bias Backfires: The Modulatory Role of Counterfactual Explanations on the Adoption of Algorithmic Bias in XAI-Supported Human Decision-Making
Machine Learning Group, Bielefeld University(比勒菲尔德大学机器学习组);Research Center Trustworthy Data Science and Security of the University Alliance Ruhr, Faculty of Informatics, Technical University Dortmund(鲁尔大学联盟可信数据科学与安全研究所以及多特蒙德技术大学信息学院)
本研究探讨了反事实解释在XAI支持的人类决策中对算法偏见影响的调节作用,发现偏见AI推荐会改变人类偏好,但反事实解释能逆转这种偏见。
2025-05-20 cs.AI cs.HC
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
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
LLM Nepotism in Organizational Governance
School of Computer Science, The University of Sydney(悉尼大学计算机科学学院)
本文研究了大语言模型在组织治理中因对AI信任态度产生的偏袒现象,提出Merit-Attitude Factorization方法以缓解该偏见。
2026-03-18 cs.AI cs.CL cs.CY
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
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
The Effect of the Rooney Rule on Implicit Bias in the Long Term
Yale University(耶鲁大学)
大量证据表明,从招聘到医疗保健,各种情况下的隐性偏见都会产生负面影响。鲁尼规则是一种旨在消除隐性偏见的干预措施,已在私营和公共部门实施。鲁尼规则要求选拔小组在候选人入围名单中至少包括一名来自代表性不足群体的候选人。最近,Kleinberg和Raghavan提出了一个内隐偏见模型,并研究了鲁尼规则应用于单一选择决策时的有效性。然而,随着时间的推移,选择决策往往会反复出现。此外,人们还观察到,如果有一致的反刻板印象反馈,对代表性不足的候选人的隐性偏见可能会改变。我们考虑一个模型,如何选择小组的隐式偏见随着时间的推移而变化,无论是否有鲁尼规则的地方,他们的招聘决定。我们的主要结果是,当小组受到鲁尼规则的约束时,他们的隐性偏见大致以与候选人名单大小相反的速度减少-与候选人的数量无关,而没有鲁尼规则,该速度与候选人的数量成反比。因此,当候选人的数量远远大于候选人名单的大小时,鲁尼规则可以更快地减少隐式偏见,这为使用它作为减轻隐式偏见的策略提供了额外的理由。为了从经验上评估鲁尼规则在重复选择决策中的长期影响,我们在Amazon MTurk上进行了迭代候选人选择实验。我们观察到,事实上,决策者受到鲁尼规则选择更多的少数候选人除了那些规则本身所要求的比他们会,如果没有规则是有效的,这样做没有显着降低候选人的效用选择。
2020-10-21 cs.AI cs.CY cs.LG
"You Gotta be a Doctor, Lin": An Investigation of Name-Based Bias of Large Language Models in Employment Recommendations
University of Maryland(马里兰大学);University of Southern California(南加州大学);Microsoft Research(微软研究院)
本研究针对大语言模型的就业推荐偏见问题,用两款主流LLM基于320个带种族性别信号的姓名、超75万条提示模拟招聘,发现模型存在白人女性姓名偏好且薪资推荐差异最高达5%,与美国劳动力市场特征不符,凸显LLM就业应用的风险调查必要性。
2024-10-05 cs.AI cs.CL
Data-driven HR - Résumé Analysis Based on Natural Language Processing and Machine Learning
Hasso Plattner Institute(哈索·普拉特纳研究所);SAP Labs(SAP实验室)
招聘人员通常花不到一分钟的时间来查看每份简历,然后决定是否值得继续对候选人进行招聘。招聘人员关注关键词,几乎不可能保证候选人选择的公平过程。本文的主要范围是通过引入一种数据驱动的方法来解决这个问题,该方法展示了如何自动处理简历,并为招聘人员提供更多的时间来只审查有前途的候选人。此外,我们还展示了如何利用机器学习和自然语言处理从简历中提取所有所需的信息。一旦提取了信息,就计算排名分数。分数描述了候选人根据其教育,工作经验和技能的适应程度。随后,本文展示了一个原型应用程序,展示了这种新方法如何提高招聘人员的工作效率。该应用程序使他们能够根据预定义的职位描述对候选人进行筛选和排名。在排名的指导下,招聘人员可以从候选人的个人资料中获得更深入的见解,并验证应用程序为什么以及如何对他们进行排名。这个应用程序展示了如何通过提供公正的招聘决策支持来改善招聘过程。
2016-06-21 cs.AI cs.CL
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
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
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
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
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
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