用于审计即时决选投票选举的高效加权方案

针对即时决选投票（IRV）选举，已开发出多种风险限制审计（RLA）方法。最近的一种方法AWAIRE是首个既能利用但又不要求有选票记录（CVRs）的高效方法。AWAIRE涉及对检验统计量进行自适应加权平均，本质上是在“学习”一组有效的待检验假设。然而，关于AWAIRE的初始论文仅考察了少数几种加权方案与参数设置。我们更广泛地探索了方案与设置，以识别并推荐实践中高效的选择。我们聚焦于无CVRs可用的情形，利用基于真实选举数据的模拟来评估性能。最有效的方案通常是那些将大部分或全部权重置于基于已见数据得出的明显“最佳”假设上的方案。相反，最优调优参数往往随选举差距而变化。尽管如此，我们量化了不同选择在不同选举差距下的性能权衡，有助于在需要默认选项时选择最理想的权衡。当前AWAIRE实现的一个局限是其仅适用于少量候选人——在以往实现中最多六人。实现更高计算效率的一种途径是采用惰性求值并避免考虑所有可能的假设。我们的发现表明，这种方法可以在不显著损害统计性能的情况下实现。