战略学习中的可取努力公平性与最优性权衡

战略学习研究决策规则如何与可能战略性改变其输入/特征的代理人互动。在标准设置中，模型假设决策者的唯一范围是学习一个最大化目标（如准确率）的分类器，假设代理人最佳响应。然而，现实决策系统的目标不仅仅是产生良好预测。它们可能还考虑诱导特定激励的外部效应，这等同于某些特征变更更有希望。此外，principal 也可能需要在异构代理之间对可取特征变更进行公平激励。主导方在受此约束优化（即最大化目标，但限制代理人激励差异）时，会付出多少代价？我们提出了一个统一的 principal-agent 互动模型，捕捉了以下三个额外组成部分：（1）特征之间的因果依赖关系，使得一个特征的变化影响其他特征；（2）代理人之间的异构操纵成本；（3）通过代理学习，代理人推断 principal 的规则。我们为多个广泛的公平性度量类别提供了主导方在特定可取公平性容忍度下的最优性损失的理论保证。最后，通过在真实数据集上的实验，我们展示了在准确率和可取努力公平性之间存在明确的权衡。