在众多备选方案中寻找共识
计算机科学与博弈论
2026-03-18 v1 人工智能
机器学习
摘要
我们研究了从众多人口偏好中选择寻找共识的语句的问题。生成式AI特别适合这一任务，因为它可以访问实际无限的语句集合，但像Habermas机器这样的AI系统会将生成语句的选择留给投票规则。然而，这一规则意味着如何找到共识并不明确。本文提出了一种基于社会选择中的比例性否决核心的寻找无限备选方案中共识的正式模型。为了相对于这些无限多的备选方案和庞大的人口提供保证，我们希望仅通过对未知备选方案和投票者分布的查询访问来满足比例性否决核心的概念。我们设计了一个高效的基于抽样的算法，该算法以高概率返回（近似）比例性否决核心中的备选方案，并证明了匹配的下界，表明没有算法可以使用更少的查询实现相同目标。在一个关于文本偏好的合成数据集上，我们确认了该抽样算法的有效性，并将其他社会选择方法以及LLM-based方法进行了比较，评估它们在生产位于比例性否决核心中的语句的可靠性。
引用
@article{arxiv.2603.16751,
title = {Finding Common Ground in a Sea of Alternatives},
author = {Jay Chooi and Paul Gölz and Ariel D. Procaccia and Benjamin Schiffer and Shirley Zhang},
journal= {arXiv preprint arXiv:2603.16751},
year = {2026}
}