偏置下的集中式偏好选择

本文考虑的场景是：存在多个机构，每个机构对候选人都有有限容量，而每个候选人都对机构有偏好。一个集中实体评估每个候选人对机构的效用，目标是以最大化效用的同时也考虑候选人偏好的方式为每个机构选择候选人。本文聚焦于候选人被划分为多个组的情形，且某些组中候选人的观察效用是偏斜的——系统性地低于其真实效用。第一个结果表明，在这些偏斜设置下，现有算法可能导致真实效用次优，以及各组候选人获得其偏好选择的比例存在显著差异。随后，本文提出一种算法，并给出证明，表明该算法能够在偏好方面实现接近最优的组公平性，同时也在分布假设下几乎最大化真实效用。进一步，本文在现实和人工设置中对这些结果进行了广泛的实证验证，而这些设置中的分布假设可能并不成立。