大语言模型用于设计参与式预算规则
机器学习
2026-02-13 v2
摘要
参与式预算 (PB) 是一种民主范式，用于在满足预算约束的前提下，根据居民偏好决定公共项目的资助。该方法已在全球多个城市中得到采用。PB 的主要焦点是设计规则——返回在给定项目集合上受预算约束限制的可行预算分配的函数。基于智能体偏好设计既优化效用又保证公平性的 PB 规则一直面临着需要大量领域知识以及效用与公平性之间已证明权衡的挑战。最近，大语言模型 (LLM) 越来越多地被用于自动化算法设计。鉴于 PB 规则与经典背包问题算法的相似性，本文引入了一种新框架，称为 LLMRule，通过将 LLM 融入进化搜索程序来自动化设计 PB 规则。我们的实验结果在来自美国、加拿大、波兰和荷兰的600多个真实 PB 实例（采用不同的智能体偏好表示）上进行评估，表明 LLM 生成的规则在整体效用方面通常优于现有的手工设计规则，同时保持类似的公平性水平。
引用
@article{arxiv.2602.09349,
title = {Large Language Models for Designing Participatory Budgeting Rules},
author = {Nguyen Thach and Xingchen Sha and Hau Chan},
journal= {arXiv preprint arXiv:2602.09349},
year = {2026}
}
备注
Accepted as full paper to AAMAS 2026