设计奖励如实报告的信息抽取机制的信息论框架
计算机科学与博弈论
2018-01-19 v2
摘要
在信息无法被验证的情形下，我们提出了一个简单而强大的信息论框架——互信息范式（Mutual Information Paradigm）——用于信息抽取机制。我们的框架向每个智能体支付其信号与同伴信号之间互信息的一个度量。我们要求该互信息度量具有关键性质：对两个随机变量进行任何“数据处理”都会降低它们之间的互信息。我们辨识出此类推广香农互信息的信息度量。我们的互信息范式克服了无验证信息抽取中的两个主要挑战：（1）如何激励努力并避免智能体串通报告随机或相同的响应；（2）如何激励自认为处于少数的智能体如实报告。借助我们所发现的信息度量，（1）我们利用该范式设计了一系列新颖机制，其中如实报告是占优策略，而任何其他策略都会降低每个智能体的期望支付（在问题数量很大、多问题、无细节、极简设定下）；（2）我们通过将现有机制——Peer Prediction [Miller 2005]、Bayesian Truth Serum [Prelec 2004] 以及 Dasgupta and Ghosh [2013]——映射到我们的框架中，从而对这些机制提供统一的理论理解，使得那些现有机制的理论结果能够被轻易重构，由此展示了我们框架的通用性。我们还给出了一个不可能性结果，它在某种意义上说明了我们框架的最优性。
引用
@article{arxiv.1605.01021,
title = {An Information Theoretic Framework For Designing Information Elicitation Mechanisms That Reward Truth-telling},
author = {Yuqing Kong and Grant Schoenebeck},
journal= {arXiv preprint arXiv:1605.01021},
year = {2018}
}