gerrymandering 与地理性别化已降低选举竞争
计算与语言
2025-09-30 v3 人工智能
机器学习
摘要
政治地理学和选区边界的变化塑造了美国国会的代表制。为消除地理因素与 gerrymandering 效果,本文生成大量遵循各州法律标准的替代选区规划方案。将 enacted 方案与这些模拟方案进行比较揭示了党派偏见,而模拟方案中随时间变化的趋势则识别了政治地理的转变。我们的分析表明,2010 年至 2020 年之间的地理性别化加剧:共和党在农村和农村-郊区地区取得进步,民主党人进一步夺得城市选区。这些变化在全国层面上相互抵消,使共和党的地理优势从 14 席缩减至 10 席。此外,2020 年的 pro-Democratic gerrymandering 抵消了早期共和党的努力,使共和党的选区重划优势缩小两席。总体而言, pro-Republican 偏见从 16 席降至 10 席。关键在于,政治地理的转变和 gerrymandering 均导致高度竞争选区数量减少超过 25%,其中地理性别化驱动了大部分减少。
引用
@article{arxiv.2508.15884,
title = {Jet-Nemotron: Efficient Language Model with Post Neural Architecture Search},
author = {Yuxian Gu and Qinghao Hu and Shang Yang and Haocheng Xi and Junyu Chen and Song Han and Han Cai},
journal= {arXiv preprint arXiv:2508.15884},
year = {2025}
}
备注
NeurIPS 2025