公平、抗操纵且透明的排序机制

排序机制（sortition）即从志愿者中随机选择政治代表，正日益在世界各地用于选择公民协商过程的参与者，如公民议会。为了回应排序机制的实际重要性，近期有大量研究聚焦于排序算法，其任务是在志愿者池中选择一组满足关键人口子群代表性配额的参与者面板。过去的工作已为实现这一任务的算法方法贡献了解决方案，同时确保志愿者的选中概率最大化公平，如以任何凸公平目标衡量。问题随之而来的是：究竟应选择哪种公平目标？过去的研究主要关注 Minimax 和 Leximin 两种目标，分别旨在最小化或最大化志愿者的选中概率。最近的工作表明，这两种目标都存在关键缺陷：Minimax 对操纵极其稳健但可能产生任意不公平；相反，Leximin 极其公平但易受操纵。鉴于这一差距，我们提出了新的公平目标 Goldilocks，旨在同时实现这些理想，通过确保没有志愿者的选中概率过低或过高。我们对 Goldilocks 实现这些理想的范围进行了理论分析，发现其在重要意义上恢复了给定实例中最佳可用解之一。我们还将这些界限扩展到将 Goldilocks 的输出转换为实现第三目标 Transparency 的情况下。我们的实证分析在实际数据中的结果更为乐观：我们发现 Goldilocks 在大多数实际情形下几乎同时实现近似实例最优的最低和最高选中概率——这一结果甚至无法保证任何算法都能实现。