利用 Cramér-von Mises 方法激励真实数据共享

现代数据市场和数据共享联盟日益依赖激励机制来鼓励代理贡献数据。然而，基于提交数据量奖励代理的方案容易受到操纵，因为代理可能提交伪造或低质量数据以夸大其奖励。先前的研究提出通过将每个代理的数据与其他代理的数据进行比较来促进诚实：当他人贡献真实数据时，最小化差异的最佳方式是做同样的事。然而，该理念的先前实现依赖于关于数据分布的非常强的假设（例如高斯分布），限制了其适用性。在本工作中，我们开发了一种基于 Cramér-von Mises 统计量启发的新型双样本检验的奖励机制。我们的方法严格激励代理提交更多真实数据，同时抑制数据伪造和其他类型的不诚实报告。我们证明，在贝叶斯和先验无关的设置中，诚实报告构成（可能的近似）纳什均衡。我们在三个典型数据共享问题中理论实例化了我们的方法，并表明它放宽了先前工作的关键假设。在经验上，我们通过模拟和真实语言与图像数据证明了我们的机制激励了真实数据共享。