Communication, Distortion, and Randomness in Metric Voting
在度量空间上的社会选择规则的基于扭曲的分析中，人们假设所有的选民和候选人都被嵌入到一个公共的度量空间中。投票者通过非递减距离对候选人进行排名。该机制，只接收这个序数（比较）信息，应该选择一个候选人近似最小化所有选民的距离之和。已知的是，虽然Copeland规则和相关规则保证失真最多为5，但是许多其他标准投票规则，例如Plurality、Veto或$k$-approval，具有在候选人的数量$n$中无限增长的失真。多数、否决或$k$--与所有已知的确定性社会选择规则相比，小$k$的批准需要来自选民的沟通更少，以实现恒定的扭曲。这促使我们研究确定性社会选择规则中的失真和通信量之间的权衡。我们表明，任何一轮确定性的投票机制，其中每个选民只通信的候选人，她排名在一组给定的$k$的位置必须有失真至少$\frac{2n-k}{k}$，我们给出了一个机制，实现了上限的$O(n/k)$，匹配的下限到一个常数。对于更一般的通信有界的投票机制，其中每个选民的通信$b$位的信息，她的排名，我们显示了一个稍微弱的下限$Ω(n/b)$的失真。对于随机化机制，已知随机独裁实现严格小于3的预期失真，几乎匹配仅接收每个投票者的最佳选择的任何随机化机制的$3-\frac{2}{n}$的下限。我们关闭这个差距，通过给出一个简单的随机社会选择规则，只使用每个选民的第一选择，并实现预期的失真$3-\frac{2}{n}$…
2019-11-20 cs.DM cs.GT econ.TH
Stable Voting Rules on the Edge of Optimal Metric Distortion
Rutgers University（罗格斯大学）；Stanford University（斯坦福大学）；Harvard University（哈佛大学）
本文提出一种基于零和博弈单一分布的随机投票规则，实现度量失真至多2.13713，接近理论下界，并证明稳定2-抽签失真为7/3。
2026-11-04 cs.GT
Approval-Based Elections and Distortion of Voting Rules
我们考虑的选举中，选民和候选人都可以与度量空间中的点相关联，选民更喜欢候选人更接近那些更远。通常假设最佳候选人是最小化到选民的总距离的候选人。然而，投票规则通常不能访问度量空间$M$，只能看到由$M$诱导的偏好排序，因此，它们通常不能选择最优候选。投票规则的失真度量了最坏情况下的质量损失，这是由于只能访问偏好排名的结果。我们将扭曲的概念扩展到基于认可的偏好。首先，我们计算了赞成投票的失真。其次，我们引入了基于可接受性的失真的概念-背后的主要思想是，最佳候选人是大多数选民可以接受的候选人。我们确定了一些规则，包括复数，Borda，$k$ -批准，否决权，科普兰的规则，排名对，舒尔茨的方法，和STV的可接受性失真。
2019-01-20 cs.GT cs.MA
Tight Distortion Bounds for Distributed Single-Winner Metric Voting on a Line
研究了一条直线上的分布式单获胜者度量投票问题，其中代理人和备选方案由实数直线上的点表示，代理人被划分为不相交的区域，目标是以分散的方式选择一个获胜的备选方案.特别是，选择是由一个分布式的投票机制，首先选择一个代表性的替代代理的每个地区，然后选择这些代表之一作为赢家。在本文中，我们设计了简单的分布式机制，实现失真最多$2+\sqrt{5}$的平均最大和最大的平均社会成本的目标，匹配相应的下限显示在以前的工作，这些目标。
2023-01-04 cs.GT
Beyond the worst case: Distortion in impartial culture electorates
本文研究随机中立文化选民模型下的投票失真问题，发现所有投票规则平均失真均较高，但提出通过向每个智能体进行单次基数查询的机制可实现近似最优平均失真，并给出了最坏情况下的新权衡。
2024-10-12 cs.DS cs.GT
Deterministic Metric Distortion of Top-2 Voting
University of Chicago（芝加哥大学）；The Harker School（哈克学校）
研究随机社会选择机制的度量失真界限。在第一选择投票中，给出简单规则达最优失真；还研究了基于投票向量的特定实例失真，扩展到前k名投票并给出最坏情况失真公式，改进了循环配置文件族的下界。
2026-07-07 cs.GT
Revisiting the Distortion of Distributed Voting
我们考虑一个设置与代理人有偏好的替代品，并划分成不相交的地区。其目标是选择一个备选方案作为获胜者，使用一种机制，该机制首先基于以代理人为参与者的地方选举为每个地区决定一个代表备选方案，然后选择一个地区代表作为获胜者。以前的工作表明，一个特定的一类确定性的多元性为基础的机制依赖于现有的信息，代理商在地区的偏好上的扭曲的界限。在本文中，我们首先考虑整个类的确定性机制，并显示其失真的渐近紧界。然后，我们开始研究分布式投票中的随机机制的失真，并显示基于几个信息假设的界限，在许多情况下，这是紧的。最后，我们还通过实验比较了许多不同的机制，使用合成和真实世界的数据的失真。
2023-01-09 cs.GT
Metric distortion Under Probabilistic Voting
Stanford University（斯坦福大学）
将社会选择中的度量失真框架扩展到概率投票，研究Plackett-Luce等模型下投票规则的失真，发现Copeland失真不超过2，Borda失真为Θ(m^{1-2/θ})，与经典模型结果不同。
2026-06-25 cs.GT
A Constant Metric Distortion Protocol for Approval Voting Given Plurality Polls
Technische Universität München（慕尼黑工业大学）；Shanghai University of Finance and Economics（上海财经大学）
本文针对多数民意调查场景提出k参数化的批准投票协议，经度量失真框架评估，最优k下协议度量失真约4.236，且Bucklin规则失真至多为5，协议上界紧且鲁棒性良好。
2026-08-31 cs.GT
Sensitivity and Differential Privacy in Metric Voting with Distortion below Three
CyberAgent, Tokyo, Japan（CyberAgent）；National Institute of Informatics, Tokyo, Japan（国立情报学研究所）；Center for Advanced Intelligence Project, RIKEN, Tokyo, Japan（理化学研究所先进智能研究中心）；Kyoto University, Kyoto, Japan（京都大学）
该研究在度量投票中，构造了突破失真3界限的随机规则，同时实现了低最坏情况敏感性与差分隐私，为序数投票规则的隐私与效率平衡提供了新方案。
2026-08-03 cs.DS cs.GT
Optimized Distortion and Proportional Fairness in Voting
本文研究仅知排序时投票规则的社会福利失真与比例公平性，提出在多类基数效用下达到 Θ(√m) 最优失真，并对比例公平、Nash 福利和核心达到 Θ(log m) 最优近似的规则。
2024-01-21 cs.GT econ.TH
Best of Both Distortion Worlds
Drexel University（德雷塞尔大学）；University of Toronto（多伦多大学）
本文提出新的投票规则，首次在功利主义失真和度量失真两个世界中同时实现接近最优的失真保证，并证明该结果无法推广到仅提供前 t 个偏好排序的情形。
2023-05-30 cs.AI cs.GT
Metric Distortion of Obnoxious Distributed Voting
针对令人厌恶的分布式投票问题，研究两步机制在度量空间中的失真，依据信息量（全信息与序数）给出紧界，核心贡献在于刻画不同信息条件下机制性能的极限。
2024-12-16 cs.GT
Metric Distortion for Tournament Voting and Beyond
本研究针对度量失真问题，证明确定性锦标赛规则失真度下界为3.1128并将上界优化至3.9312，还推广出k-锦标赛规则，证明其随k增大失真度趋近3，且k=3时随机化k-锦标赛规则可突破3的长期壁垒。
2025-05-19 cs.GT
Robust Lottery Compression for Metric Voting: A Transfer Principle for Bounded Randomness
Shanghai University of Finance and Economics（上海财经大学）
该研究针对带界随机性下的度量投票，提出维度无关的彩票压缩定理，证明K≥802时规则失真度可接近5/2，164个条目即可突破确定性失真3的障碍，收敛速率为O(K^(-1/3))。
2026-08-28 cs.GT
Utilitarian Distortion Under Probabilistic Voting
Sharif University of Technology（谢里夫理工大学）；Stanford University（斯坦福大学）
在概率投票中，柯普兰和博尔达规则的扭曲分别为β(1+e^{-β})/(1-e^{-β})和O(β²)，且优于其他规则，显示了概率模型对投票效率的影响。
2026-02-11 cs.GT
An Analysis Framework for Metric Voting based on LP Duality
基于扭曲的分析已经成为比较投票机制的一个富有成效的框架。m个投票者和n个候选者被共同嵌入（未知）度量空间中，并且投票者通过与他们自己的非递减距离来提交候选者的排名。根据提交的排名，社会选择规则选择一个获胜的候选人;获胜者的质量是到选民的（未知）距离之和。规则的选择通常是次优的，最坏情况下所选候选项的成本与最优候选项的成本之比称为规则的失真。在以前的工作中，每一个确定性规则的失真至少为3，而Copeland规则和相关规则保证最坏情况下的失真最多为5;最近的结果给出了一个规则失真$2+\sqrt{5} \approx 4.236$。我们提供了一个框架的基础上LP-对偶和流的双重解释，提供了一个更简单，更统一的方式证明上界的扭曲的社会选择规则。我们用三个例子说明了这种方法的实用性。首先，我们给出了一个相当简单的证明的一个强大的推广上界5科普兰的失真，社会选择规则的短路径从获胜的候选人的最佳候选人在广义弱偏好图。此结果的特殊情况恢复最近的$2+\sqrt{5}$保证。其次，利用这个广义界，我们证明了秩对和Schulze规则具有失真$Θ(\sqrt(n))$。最后，我们的框架自然地提出了一个组合规则，这是一个强有力的候选人实现失真3，这也是在最近的工作中提出的。我们证明，失真界3将遵循任何三个组合的代数，我们制定。
2019-12-14 cs.DM cs.GT econ.TH
Dimensionality, Coordination, and Robustness in Voting
我们从功利主义的角度来研究投票机制的性能，在最近推出的框架下的度量失真，沿着三条主线提供新的见解。首先，如果$d$表示度量空间的双倍维数，我们证明了STV的失真是$O(d \log \log m)$，其中$m$表示候选的数量。对于加倍度量，这意味着在一般度量的下限上的指数改进，并且作为特殊情况，它有效地回答了Skowron和Elkind（AAAI '17）关于STV在低维欧几里得空间下的失真的问题。更广泛地说，这构成了任何投票规则的性能与底层度量空间的“内在维度”之间的第一个联系。我们还建立了一个近似匹配的下界，完善了Skowron和Elkind的结构。此外，出于STV的效率，我们研究自然的学习规则是否可以导致低失真的结果。具体来说，我们介绍了简单的，确定性和分散的勘探/开采动态，我们表明，他们收敛到候选人与$O(1)$失真。最后，在设施定位游戏的应用程序的驱动下，我们考虑了一些改进和扩展的标准度量设置。也就是说，我们证明了Gkatzelis，Halpern和Shah（FOCS '20）最近引入的确定性机制达到了超度量下$2$的最佳失真界，而它也接近我们的距离满足近似三角不等式的下界。
2022-03-24 cs.GT
Plurality Veto: A Simple Voting Rule Achieving Optimal Metric Distortion
University of Southern California（南加州大学）
提出名为Plurality Veto的简单确定性投票规则，通过n轮否决过程达到最优度量失真3，并推广至随机规则，兼具低通信开销与理论最优性。
2023-06-30 cs.AI cs.GT
The Distortion of Threshold Approval Multiwinner Voting
University of Edinburgh（爱丁堡大学）；Sharif University of Technology（谢里夫理工大学）；University of Southern Denmark（南丹麦大学）
该研究针对带t个效用阈值的多获胜者投票问题，设计了确定性与随机规则并给出扭曲度上界，补充了匹配上界的范数相关下界，为投票规则的性能提供了理论保证。
2026-10-12 cs.GT
Improved Metric Distortion Bounds for Deterministic Weighted-Tournament Voting Rules
University of Nebraska-Lincoln（内布拉斯加大学林肯分校）；Rensselaer Polytechnic Institute（伦斯勒理工学院）；Beijing Normal University-Zhuhai（北京师范大学珠海校区）；Beijing Normal-Hong Kong Baptist University（北京师范大学-香港浸会大学联合国际学院）
本文针对确定性加权锦标赛（C2）投票规则，提出路径未覆盖集规则，将其通用失真度上界优化至约3.8284，6候选者时上界为3.3346，同时给出其失真度下界3.1828。
2026-11-13 cs.GT
A Note on Rules Achieving Optimal Metric Distortion
本文揭示了度量失真问题与社会选择中投票方法和公理之间的三个联系。
2023-05-15 cs.GT
Tight Bounds On the Distortion of Randomized and Deterministic Distributed Voting
Sharif University of Technology（谢里夫理工大学）；Tehran Institute for Advanced Studies (TeIAS), Khatam University（德黑兰高等研究院（TeIAS），哈塔姆大学）
研究随机化和确定性分布式投票机制的扭曲界，改进了avgmax、maxavg和maxmax的上界，提出了不同随机化设置下的紧界和近紧界。
2025-11-23 cs.GT
On the Distortion Value of the Elections with Abstention
在空间投票理论中，失真是衡量获胜者有多好的一个指标。它被证明，没有确定性的投票机制可以保证比$3$更好的失真，即使是简单的度量，如一行。在这项研究中，我们希望回答以下问题：如何扭曲值的变化，如果我们允许动机较低的代理人放弃选举？我们考虑了一个有两个候选人的选举，并提出了一个竞选模型，这是一个更一般的形式，由Kirchgassner提出的竞选模型。我们定义了期望获胜者和期望失真的概念来评估我们模型中选举的失真。我们的研究结果充分表征失真值，并提供了一个相当完整的图片的模型。
2020-08-01 cs.GT
Favorite-Candidate Voting for Eliminating the Least Popular Candidate in Metric Spaces
我们研究嵌入在度量空间中的单候选人投票，其中选民和候选人都是空间中的点，选民和候选人之间的距离指定了选民对候选人的偏好。在投票中，每个选民都被要求提交她最喜欢的候选人。给定最受欢迎的候选人的集合，用于消除最不受欢迎的候选人的机制找到一个委员会，该委员会包含除要被消除的候选人之外的所有候选人。每个委员会都与一个社会价值相关联，这个社会价值是它强加给（提供给）选民的成本（效用）的总和。我们设计了一个机制，找到一个委员会，以优化社会价值。我们通过扭曲来衡量机制的质量，扭曲的定义是委员会通过机制发现的社会价值与最佳社会价值之间的最坏情况比率。我们建立了新的上限和下限的扭曲机制，在这个单一的候选人投票，一般指标和动机良好的特殊情况下。
2019-11-27 cs.GT
$k$-Approval Veto: A Spectrum of Voting Rules Balancing Metric Distortion and Minority Protection
本文分析 $k$-Approval Veto 投票规则，揭示其在少数保护与度量失真间的可调权衡：少数保护至少为 $k$，并给出三类社会福利目标下的失真界。
2025-07-23 cs.GT
Generalized Veto Core and a Practical Voting Rule with Optimal Metric Distortion
本文通过推广社会选择理论中的否决核心概念，为度量投票中的匹配机制提供了直观解释，并提出了一种在连续时间下运行、满足匿名性与中立性且具有最优度量扭曲值3的实用投票规则。
2025-02-04 cs.GT
Metric Distortion with Preference Intensities
Georgia Institute of Technology（佐治亚理工学院）；Sharif University of Technology（谢里夫理工大学）；University of Edinburgh（爱丁堡大学）；Tehran Institute for Advanced Studies（德黑兰高等研究院）
本文提出了一种考虑偏好强度的投票规则，通过解决零和博弈优化规则参数，实现了低于3的度量扭曲，证明了忽略强度会导致显著的扭曲增加。
2026-01-05 cs.GT
Improved Metric Distortion for Deterministic Social Choice Rules
在本文中，我们研究了确定性的社会选择规则，选择一个获胜的候选人从一组候选人的基础上选民的偏好的度量失真。投票者和候选者位于底层度量空间中。选民的成本等于她与获胜候选人的距离。序数社会选择规则只能访问假定与度量距离一致的选民的序数偏好。我们的目标是设计一个有序的社会选择规则与最小的失真，这是最坏情况下的比例，在所有一致的指标，社会成本之间的规则和最佳的全知规则与知识的基础度量空间。已知最佳确定性社会选择规则的失真介于$3$和$5$之间。已经证明，任何只考虑候选者的加权锦标赛图的规则都不可能比$5$具有更好的失真。在本文中，我们通过提出一个带有$4.236$失真的加权竞赛规则来反驳它。我们通过推广未覆盖集的经典概念来设计这一规则，并进一步证明了这类规则不可能比$4.236$更好地具有失真。然后，我们提出了一个新的投票规则，通过另一种推广的未覆盖集。我们表明，如果一个候选人满足这个投票规则的标准存在，那么选择这样的候选人产生的失真界的$3$，匹配的下限。我们提出了一个组合猜想，这意味着失真的$3$，并验证它的少量候选人和选民的计算机实验。使用我们的框架，我们还表明，选择任何候选人保证失真时，最多$3$的加权比赛图是循环对称的。
2019-05-04 cs.DM cs.GT
Relating Metric Distortion and Fairness of Social Choice Rules
评估社会选择（投票）规则的一种方法是通过功利主义扭曲框架。在这个模型中，我们假设代理提交完整的排名的替代品，这些排名是从潜在的，但未知的，定量成本。因此，社会选择规则的\emph{distortion}是所选方案的总社会成本与任何方案的最优社会成本之比;由于真实成本是未知的，我们考虑所有可能的潜在成本的最坏情况下的扭曲。类似地，我们可以考虑社会选择规则的最坏情况\emph{fairness ratio}，通过比较所选方案与最优方案的公平性（基于近似优化）。通过一个额外的度量假设--成本等于某个度量空间中的代理-替代距离--已知科普兰规则实现了最多5的失真和公平比。对于其他规则，仅失真的界限是已知的，例如，流行的单一可转移投票（STV）规则具有失真$O(\log m)$，其中$m$是备选项的数目。我们证明，失真和公平比的不同概念实际上是密切相关的-在任何投票规则的加性因子为2-因此STV也实现了$O(\log m)$公平比。我们进一步扩展的失真和公平比的概念，选择一个\emph{set}的替代品的社会选择规则。通过将单赢家规则的失真与多赢家规则相关联，我们确定递归Copeland在选择一组备选方案时实现了5的失真和至多7的公平比。
2018-10-02 cs.GT
Optimized Distortion in Linear Social Choice
本文首次研究线性效用函数下的社会选择失真问题，提出仅依赖候选嵌入维度的失真界限及多项式时间实例最优算法，并在推荐系统和意见调查中验证其优于标准规则。
2025-10-22 cs.AI cs.GT
Half Veto, Half Maximal Lottery, Five-halves Distortion
Stanford University（斯坦福大学）
该研究提出预期度量失真达5/2的随机投票规则，由最大抽签与同时多数否决的得分抽签均等混合而成，还证明该失真值在对应规则族中最优，改进了此前的上界。
2026-08-24 cs.GT
The Metric Distortion of Randomized Social Choice Functions: C1 Maximal Lottery Rules and Simulations
研究成熟随机社会选择函数（RSCF）的度量失真，证明C1最大彩票规则的度量失真为最优的4，通过模拟发现经典RSCF平均失真接近定制RSCF，且公正文化分布下合理RSCF在选民多时期望失真接近2。
2025-02-12 cs.GT
Improving Randomized Metric Distortion to 2.1441
University of Toronto（多伦多大学）
该研究在度量社会选择中，通过引入随机规模稳定彩票，结合集成否决的混合规则，将随机化投票规则的度量失真从2.5改进至2.3282。
2026-09-09 cs.AI cs.GT
Resolving the Optimal Metric Distortion Conjecture
Drexel University（德雷塞尔大学）；University of Toronto（多伦多大学）
我们研究了以下度量失真问题：有两个有限的点集，$V$和$C$，位于同一度量空间，我们的目标是选择一个点在$C$的总距离$V$中的点是尽可能小的。然而，不是访问底层距离度量，而是对于$V$中的每个点，我们仅知道其到$C$中的点的距离的排名。我们提出的算法，选择一个点$C$只使用这些排名作为输入，我们提供了他们的\emph{distortion}（最坏情况下的近似比）的界限。这个问题的一个突出动机来自投票理论，其中$V$表示一组投票者，$C$表示一组候选人，并且排名对应于投票者的顺序偏好。在这个框架中的一个主要猜想是，最佳的确定性算法有失真$3$。我们解决这个猜想提供一个多项式时间算法，实现失真$3$，匹配一个已知的下限。我们这样做，证明了一个新的引理匹配选民的候选人，我们称之为\emph{ranking-matching lemma}。这个引理诱导一个家庭的新算法，这可能是独立的利益，我们表明，在这个家庭中的一个特殊的算法实现失真$3$。我们还提供了更精细的，参数化的，边界使用的概念$α$ -决策，量化的程度，选民可能更喜欢她的首选相对于所有其他人。最后，我们引入了一个新的随机算法，与已知的结果相比，改进的失真，也提供了改进的下界的所有确定性和随机算法的失真。
2020-09-07 cs.AI cs.DS cs.GT
Distortion of Multi-Winner Elections on the Line Metric: The Polar Comparison Rule
Institute of Science and Technology Austria (ISTA)（奥地利科学技术研究院）；University of British Columbia（不列颠哥伦比亚大学）；Tehran Institute for Advanced Studies (TeIAS), Khatam University（德黑兰高等研究院，哈塔姆大学）；Max Planck Institut für Informatik, Universität des Saarlandes（马克斯·普朗克计算机科学研究所，萨尔兰大学）
本文提出极性比较规则，针对线度量下多胜选举问题，证明其在加性成本下的失真界为2.33，改进了现有上界，并对不同委员会大小建立紧致界。
2026-02-17 cs.GT
Metric-Distortion Bounds under Limited Information
在这项工作中，我们研究了有限数量的有序信息下的投票理论中的度量失真问题。我们的主要贡献有三个方面。首先，我们考虑在候选人之间执行一系列成对比较的机制。我们发现，一个广泛流行的确定性机制，在大多数敲除阶段产生失真$\mathcal{O}(\log m)$，而引起只有$m-1$出$Θ(m^2)$可能的成对比较，其中$m$代表的候选人的数量。我们对这种机制的分析利用了Kempe \cite{DBLP:conf/aaai/000120a}最近开发的一个强大的技术引理。我们还提供了一个匹配的下限其失真。相比之下，我们证明，任何机制，执行少于$m-1$成对比较是注定要有无限的失真。此外，我们研究了不完全排名下的确定性机制的权力。最值得注意的是，当每个智能体提供其$k$ -top偏好时，对于任何$k \in \{1, 2, \dots, m\}$，我们在失真上显示$6 m/k + 1$的上限。因此，我们大大提高了以前的界限$12 m/k$最近建立的Kempe \cite{DBLP:conf/aaai/000120a,DBLP:conf/aaai/000120b}，我们更接近匹配最知名的下限。最后，我们关心的是样本的复杂性，以确保接近最佳失真的高概率。我们的主要贡献是表明，随机样本的$Θ(m/ε^2)$选民足以保证失真$3 + ε$具有很高的概率，任何足够小的$ε> 0$。这一结果是基于Gkatz…
2021-07-06 cs.GT
Metric Distortion under Group-Fair Objectives
研究组公平目标下的投票问题，提出Max-of-Avg和Avg-of-Max两种目标，并给出不同信息访问权限下各类机制所能实现的最佳度量失真紧致界限。
2024-04-22 cs.GT
Obvious Independence of Clones
本研究针对投票规则的策略性提名鲁棒性问题，结合策略防护场景下个体仍存在误报的实证发现，提出明显克隆独立性（OIoC）的正式直观定义，并检验五种现有克隆独立性规则是否满足该性质。
2025-02-23 cs.GT
Metric Distortion in Peer Selection
Universidad de Chile（智利大学）
研究同行选择中的度量失真问题，发现即使在线性度量上，多数目标的下界仍大于1，但某些情况下可获得更优常数，如选择中间代理人实现1到2的功利失真。
2025-10-15 cs.GT
Metric Distortion of Social Welfare Functions
University of Southern California（南加州大学）；Indian Institute of Technology Kanpur（坎普尔印度理工学院）
该研究将度量失真框架从社会选择函数扩展至社会福利函数，分析了三种信息场景下的失真度，得出递归应用单一胜者规则等方法的失真度界及最优失真度结论。
2026-08-25 cs.GT cs.MA
Proportional Representation in Metric Spaces and Low-Distortion Committee Selection
University of Southern California（南加州大学）；Yale University（耶鲁大学）
该研究提出度量空间中集合代表性的新定义，在资源扩增框架和序数模型下证明EAR规则的代表性边界，还得到比例公平、核心公平及单胜者投票规则的相关衍生结果。
2024-01-24 cs.AI cs.GT
