带选择性采样的社会学习
Social Learning with Selective Sampling
首次发表
浏览论文内容
中文总结 AI 辅助
本文研究选择性采样下社会学习的稳健性，证明贝叶斯主体可借内生观测网络的信息及消除选择偏差的方法，在非扩大观测下实现渐近学习。
中文摘要 AI 辅助
本文研究当采样具有选择性（即后续主体更可能采样某些类型的行动）时，社会学习的稳健性如何。我们证明，尽管观测范围未扩大，贝叶斯主体仍能实现渐近学习，因为内生观测网络本身携带信息，且主体有方法消除选择偏差。
英文摘要
This paper studies how robust social learning is when sampling is selective, i.e., some types of actions are more likely to be sampled by successors. We show that Bayesian agents can achieve asymptotic learning despite non-expanding observations, because the endogenous observation network itself carries information and agents have ways to undo the selection bias.
