基于自然语言处理与采样的有效社会选择
计算机与社会
2023-09-25 v1 人工智能
计算与语言
机器学习
摘要
注意力感知社会选择(Attention-Aware Social Choice)解决了某些智能体群体面临的根本冲突：一方面希望让所有成员参与决策过程，另一方面社区成员可投入的时间和注意力有限。在此，我们研究将两种用于注意力感知社会选择的技术相结合，即自然语言处理(Natural Language Processing, NLP)与采样。本质上，我们提出一个系统：每项改变现状的治理提案首先被发送到一个训练好的 NLP 模型，该模型估计若所有社区成员直接投票时提案通过的概率；然后，基于该估计，选取某一规模的群体样本，并根据样本多数决来裁定该提案。我们依据上述方案开发了若干具体算法，并使用多种数据进行评估，包括来自多个去中心化自治组织(Decentralized Autonomous Organizations, DAOs)的数据。
引用
@article{arxiv.2309.12360,
title = {Efficient Social Choice via NLP and Sampling},
author = {Lior Ashkenazy and Nimrod Talmon},
journal= {arXiv preprint arXiv:2309.12360},
year = {2023}
}