SMaRT：在肯雅司法院调解中实现在线可重用资源分配
计算机与社会
2026-02-25 v1 机器学习
多智能体系统
摘要
我们受肯雅司法院分配调解员问题的启发，研究一种在线资源分配问题，其中进入的任务 (案件) 必须立即分配给可用的、受容量约束的资源 (调解员)。资源在质量上有所不同，这可能需要学习。此外，资源只能分配给与其他资源可分配任务子集重叠的子集，这些子集的重叠程度各不相同。目标是最大化任务完成率，同时在所有资源上满足软容量约束。由于该问题的规模相当大——有超过 2000 名调解员以及 87 种地理位置 (州/联邦领地) 和 12 种案件类型 (案件类型) 的众多组合——每个调解员都有资格工作，这带来了相当大的挑战。鉴于这些特征、新资源质量未知、软容量约束以及高维状态空间，现有的调度和资源分配算法要么不可用，要么效率不高。我们以可管理的方式对该问题进行形式化建模，使用二次规划公式进行分配，并使用多主体 bandit 风格框架进行学习。我们展示了我们新算法 SMaRT (为任务选择合适的调解员) 的关键属性和优势，并与基线方法在调解员分配问题的示例实例上进行比较。随后，我们考虑将其应用于肯雅司法院的案件和调解员的真实数据。SMaRT 在基线方法之上取得了优异的表现，并且允许控制容量约束严格程度与整体案件解决率之间的权衡，无论是在调解员质量事先已知的情况下，还是在学习是问题定义的一部分的 bandit 风格环境中。在这些结果的基础上，我们计划在不久的将来在司法系统中对 SMaRT 进行随机对照试验。
引用
@article{arxiv.2602.18431,
title = {SMaRT: Online Reusable Resource Assignment and an Application to Mediation in the Kenyan Judiciary},
author = {Shafkat Farabi and Didac Marti Pinto and Wei Lu and Manuel Ramos-Maqueda and Sanmay Das and Antoine Deeb and Anja Sautmann},
journal= {arXiv preprint arXiv:2602.18431},
year = {2026}
}