联合评分规则：零和竞争避免表现性预测
机器学习
2024-12-31 v1
摘要
在决策情境中，监督者可能利用专家代理人提供的条件性预测来指导其选择。然而，这种方法会引入根本性的利益冲突。致力于预测准确性的代理人会倾向于操纵其监督者采取更可预测的行动，从而阻止监督者能够确定性地选择其真实偏好。我们展示，通过对多个代理人进行联合评估，可以克服这一不可行性结果。当代理人被迫参与零和竞争时，他们影响所采取行动的激励便被消除，监督者能够识别并采取其最偏好的行动。我们进一步证明，这种零和设置是唯一的、可有效实现的，并且适用于随机选择情境。实验在一个玩具环境中表明，针对零和目标进行训练显著提升了预测准确性和监督者效用，能够消除以往学到的操纵性行为。
引用
@article{arxiv.2412.20732,
title = {Joint Scoring Rules: Zero-Sum Competition Avoids Performative Prediction},
author = {Rubi Hudson},
journal= {arXiv preprint arXiv:2412.20732},
year = {2024}
}