资源分配中的认知公平与反事实公平
计算机科学与博弈论
2025-06-11 v4
摘要
资源分配是各种社会决策场景的基础,从慈善捐赠的分配到为有需求的家庭分配有限的公共住房。此背景下的核心挑战是确保公平的结果,这往往需要平衡各方利益相关者相互冲突的偏好。尽管在公平分配框架下已有大量关于理论与算法解决方案的研究,但这些工作大多忽视了个体对公平的主观感知。本研究聚焦于无嫉妒(EF)这一公平概念,它确保没有任何智能体依据自身偏好更偏好其他智能体的分配。虽然精确 EF 分配的存在性并非总可行,但已提出多种近似松弛,如反事实 EF 与认知 EF。通过一系列人类参与者实验,我们比较了三种广泛研究的 EF 反事实与认知松弛之间的公平感知。我们的发现表明,基于认知 EF 的分配比基于反事实松弛的分配被认为更公平。此外,我们考察了多种因素,包括规模、结果平衡以及评估公平性所涉及的认知努力,及其在各处理间推理复杂性中的作用。
引用
@article{arxiv.2212.04574,
title = {Epistemic vs. Counterfactual Fairness in Allocation of Resources},
author = {Hadi Hosseini and Joshua Kavner and Sujoy Sikdar and Rohit Vaish and Lirong Xia},
journal= {arXiv preprint arXiv:2212.04574},
year = {2025}
}
备注
23 pages, 8 figures