Winner's Curse Drives False Promises in Data-Driven Decisions: A Case Study in Refugee Matching
赢家诅咒驱动数据驱动决策中的虚假承诺：难民匹配案例研究
机构 * Wharton School（沃顿商学院） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文揭示基于模型的政策评估方法存在赢家诅咒问题，通过难民匹配案例研究证明其在真实效果为零时仍会产生虚假收益。
高校专区
University of Pennsylvania（宾夕法尼亚大学）
Optimal Decision-Making Based on Prediction Sets
基于预测集的最优决策制定
机构 * University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文提出ROCP算法，通过最小化稳健风险来优化基于预测集的决策制定，适用于医疗诊断等安全关键任务。
On Improving Neurosymbolic Learning by Exploiting the Representation Space
通过利用表示空间来改进神经符号学习
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Huawei Labs（华为实验室）
AI总结 CLIPPER通过利用表示空间修剪技术提升神经符号学习性能，显著提高Scallop、Dolphin和ISED等引擎的准确率。
Beating the Winner's Curse via Inference-Aware Policy Optimization
通过推理感知的策略优化击败赢家诅咒
机构 * Operations, Information, and Decisions Department, The Wharton School（沃顿商学院运营、信息与决策部门） ； Department of Computer and Information Science, University of Pennsylvania（宾夕法尼亚大学计算机与信息科学系） ； Wharton Healthcare Analytics Lab, Wharton AI & Analytics Initiative（沃顿健康分析实验室、沃顿人工智能与分析计划）
AI总结 本文提出推理感知的策略优化方法，通过优化策略改进的显著性检验机会，解决赢家诅咒问题，提升策略评估的可靠性。
Infinity Search: Approximate Vector Search with Projections on q-Metric Spaces
无限搜索：基于q度量空间的向量搜索与投影
机构 * Department of Electrical and Systems Engineering, University of Pennsylvania, Philadelphia, PA, USA（宾夕法尼亚大学电气与系统工程系） ； Department of Electrical and Computer Engineering, Rice University, Houston, TX, USA（里士满大学电气与计算机工程系）
AI总结 本文提出基于q度量空间的近似向量搜索方法，通过投影算子将任意不相似函数转换为超度量空间，并利用学习近似以提高搜索效率，实验显示q值增加可提升速度但降低召回率。
