穿透风险： prospect theory 的符号逼近模型
人工智能
2025-04-22 v1 机器学习
最优化与控制
统计方法学
摘要
我们提出了一种新的符号建模框架，用于风险下的决策，融合可解释性与 prospect theory 的核心见解。我们的ethods 方法用透明的、以效应大小为导向的特征取代不透明的效用曲线和概率加权函数。我们数学形式化该方法，展示其复制已知框架和损失规避现象的能力，并提供针对合成数据集的端到端经验验证。 resulting 模型在保持竞争性预测性能的同时，产生清晰的系数映射到心理构造，适用于从 AI 安全到经济政策分析的各种应用。
关键词
引用
@article{arxiv.2504.14448,
title = {Seeing Through Risk: A Symbolic Approximation of Prospect Theory},
author = {Ali Arslan Yousaf and Umair Rehman and Muhammad Umair Danish},
journal= {arXiv preprint arXiv:2504.14448},
year = {2025}
}