防策略学习：构建可信的用户生成数据集
机器学习
2022-02-21 v2 计算机科学与博弈论
机器学习
摘要
我们在本文中证明，或许令人惊讶的是，激励数据误报并非不可避免。通过精心设计损失函数，我们提出 Licchavi，一种具有可证明防策略性保证的全局个性化学习框架。本质上，我们证明任何用户都无法通过以偏离其真实偏好的回答来响应 Licchavi 的查询而获得较大收益。有趣的是，Licchavi 还倡导“一人一单位力投票”这一理想的公平原则。此外，我们对其实用性的实证评估展示了 Licchavi 在现实世界中的适用性。我们相信，我们的结果对任何利用用户生成数据的学习方案的安全性都至关重要。
引用
@article{arxiv.2106.02398,
title = {Strategyproof Learning: Building Trustworthy User-Generated Datasets},
author = {Sadegh Farhadkhani and Rachid Guerraoui and Lê-Nguyên Hoang},
journal= {arXiv preprint arXiv:2106.02398},
year = {2022}
}
备注
31 pages