JAIR

T-COL: Generating Counterfactual Explanations for General User Preferences on Variable Machine Learning Systems

T-COL：为可变机器学习系统生成通用用户偏好的反事实解释

Ming Wang, Daling Wang, Wenfang Wu, Shi Feng, Yifei Zhang

机构 * Northeastern University（东北大学） 纠错

AI总结 T-COL 通过基于树的条件可选链接方法，为可变机器学习系统生成适应一般用户偏好的反事实解释，提升解释的鲁棒性和适应性。

Journal ref Journal of Artificial Intelligence Research, Vol. 85 (2026)

Asymptotically Fair and Truthful Allocation of Public Goods

公共物品的渐近公平和 truthful 分配

Pouya Kananian, Arnesh Sujanani, Seyed Majid Zahedi

AI总结 本文提出PPGA算法，通过引入差分隐私实现公共物品分配的渐近公平和 truthful，解决了传统方法在大规模场景下的局限性。

Comments 26 pages, typos corrected, section 4.3 added, new author added

Journal ref JAIR 85 (2026) 1-27