广义优先级感知Shapley值
机器学习
2026-05-15 v1 人工智能
摘要
Shapley值及其优先级感知扩展在机器学习中广泛用于估值，但现有方法要求两两优先级为二元且无环，这在现实数据示例中（如聚合的人类偏好和多准则比较）常被严格违反。我们引入广义优先级感知Shapley值（Generalized Priority-Aware Shapley Value，GPASV），其定义为基于任意有向加权优先级图的随机顺序值，其中两两边的优先级会惩罚而非禁止顺序违规。GPASV包含一系列经典模型作为边界情况。我们通过公理化特征建立GPASV，发展其相关计算方法，引入扩展PASV的优先级扫描诊断工具。我们将GPASV应用于LLM集成在循环Chatbot Arena偏好图上的估值，说明优先级估值并非一键操作：不同地间平衡两两图优先级与individual软优先级，将对相同数据的估值产生实质性差异。
引用
@article{arxiv.2605.15018,
title = {Generalized Priority-Aware Shapley Value},
author = {Kiljae Lee and Ziqi Liu and Weijing Tang and Yuan Zhang},
journal= {arXiv preprint arXiv:2605.15018},
year = {2026}
}