仅需常数个任务的占优真实多任务同伴预测机制
计算机科学与博弈论
2019-11-04 v1 理论经济学
摘要
在参与者被问及多个相似的、可能为主观的多选题（例如：你喜欢 Panda Express 吗？是/否；你喜欢 Chick-fil-A 吗？是/否）的场景下，一系列同伴预测机制被设计用来激励诚实报告，其中一些实现了占优真实性：在温和条件下，如实报告是占优策略，并严格优于其他“非置换策略”。然而，一个主要问题阻碍了这些机制的实际应用：它们要求参与者执行无限多个任务。当参与者执行有限个任务时，这些机制仅实现近似占优真实性。是否存在一种仅需有限个任务即可实现占优真实性的多任务同伴预测机制，仍是一个可能具有否定答案的开放问题，即便拥有完整的先验知识。本文通过提出一种新机制——基于行列式的互信息机制（DMI-Mechanism）——回答了该开放问题，该机制在任务数至少为 2C 且参与者数至少为 2 时具有占优真实性。C 为每道题的选项数（二选一题 C=2）。除激励诚实报告外，DMI-Mechanism 还可转化为一种信息评估规则，在至少 3 名参与者时无需验证即可识别高质量信息。据我们所知，DMI-Mechanism 是首个适用于有限个任务（更不用说小的常数个任务）的占优真实机制。
引用
@article{arxiv.1911.00272,
title = {Dominantly Truthful Multi-task Peer Prediction with a Constant Number of Tasks},
author = {Yuqing Kong},
journal= {arXiv preprint arXiv:1911.00272},
year = {2019}
}
备注
To appear in SODA20