当犹豫不决时, 选择不作出决定：在战略分类中放弃决策的影响
机器学习
2025-11-03 v3
摘要
算法决策正在变得越来越普遍，但常常容易受到寻求有利结果的主体的操纵。先前的研究表明，分类器的放弃决策（允许分类器因信心不足而拒绝作出决定）可以显著提高分类器的准确性。本文在战略分类的背景下研究放弃决策，探讨其引入如何影响战略主体的响应以及主体如何最佳利用它。我们将这种交互建模为一个 Stackelberg 游戏，其中主体（作为分类器）首先公布其决策政策，然后战略主体（作为跟随者）操纵其特征以获得所需结果。我们关注二元分类器，其中主体操纵可观察特征而非真实特征，证明最优放弃决策确保即使在存在战略主体的情况下，主体的效用（或损失）也不会比不采用放弃决策的情形更差。我们还表明，除了提高准确性之外，放弃决策还可以作为一种威慑手段，使主体（尤其是资质较低的主体）在操纵成本足以影响主体行为时，获取正面结果的成本更高。这一结果凸显了放弃决策作为减少算法决策系统中战略行为负面影响的有价值工具。
引用
@article{arxiv.2510.13327,
title = {When In Doubt, Abstain: The Impact of Abstention on Strategic Classification},
author = {Lina Alkarmi and Ziyuan Huang and Mingyan Liu},
journal= {arXiv preprint arXiv:2510.13327},
year = {2025}
}