面向参与式气象感知的奖励分配归因代理校准
机器学习
2026-05-01 v1 计算机与社会
计算机科学与博弈论
大气与海洋物理
摘要
大规模物联网气象感知网络需要激励机制来维持参与，但如何量化单个数据贡献对网络价值的确切问题仍是开放的。现有方法关注数据质量，但未解决数据估值问题；在实际气象学中，Adjoint 方法依赖完整的数据同化基础设施即可从预测模型中派生价值。我们提出利用可微分 AI 气象模型来填补这一空白，并评估基于网格化 GFS 分析输入的梯度归因作为候选价值信号的忠实度、校准、成本和作弊脆弱性，测试超过 400 种配置。归因捕捉近乎最优的传感器布局效用，支付模式单调忠实，但可能因对抗输入而被放大，检测需要外部基准数据。这些发现确立了梯度归因作为参与式气象感知中模型导向奖励分配信号的计算验证。
引用
@article{arxiv.2604.27944,
title = {Calibrating Attribution Proxies for Reward Allocation in Participatory Weather Sensing},
author = {Mark C. Ballandies and Michael T. C. Chiu and Claudio J. Tessone},
journal= {arXiv preprint arXiv:2604.27944},
year = {2026}
}