Buchumschlag

Can Probabilistic Feedback Drive User Impacts in Online Platforms?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dai, Jessica, Flanigan, Bailey, Haghtalab, Nika, Jagadeesan, Meena, Podimata, Chara
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computers and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Improved Bayes Risk Can Yield Reduced Social Welfare Under Competition
von: Jagadeesan, Meena, et al.
Veröffentlicht: (2023)

Is Knowledge Power? On the (Im)possibility of Learning from Strategic Interactions
von: Ananthakrishnan, Nivasini, et al.
Veröffentlicht: (2024)

Learning With Multi-Group Guarantees For Clusterable Subpopulations
von: Dai, Jessica, et al.
Veröffentlicht: (2024)

Clickbait vs. Quality: How Engagement-Based Optimization Shapes the Content Landscape in Online Platforms
von: Immorlica, Nicole, et al.
Veröffentlicht: (2024)

On-Demand Sampling: Learning Optimally from Multiple Distributions
von: Haghtalab, Nika, et al.
Veröffentlicht: (2022)

Incentivizing Desirable Effort Profiles in Strategic Classification: The Role of Causality and Uncertainty
von: Efthymiou, Valia, et al.
Veröffentlicht: (2025)

Accounting for AI and Users Shaping One Another: The Role of Mathematical Models
von: Dean, Sarah, et al.
Veröffentlicht: (2024)

Can Users Fix Algorithms? A Game-Theoretic Analysis of Collective Content Amplification in Recommender Systems
von: Fedorova, Ekaterina, et al.
Veröffentlicht: (2025)

Large-Scale, Longitudinal Study of Large Language Models During the 2024 US Election Season
von: Cen, Sarah H., et al.
Veröffentlicht: (2025)

Preferences Evolve And So Should Your Bandits: Bandits with Evolving States for Online Platforms
von: Khosravi, Khashayar, et al.
Veröffentlicht: (2023)

On Surjectivity of Neural Networks: Can you elicit any behavior from your model?
von: Jiang, Haozhe, et al.
Veröffentlicht: (2025)

Safety vs. Performance: How Multi-Objective Learning Reduces Barriers to Market Entry
von: Jagadeesan, Meena, et al.
Veröffentlicht: (2024)

Adaptive Discretization against an Adversary: Lipschitz bandits, Dynamic Pricing, and Auction Tuning
von: Podimata, Chara, et al.
Veröffentlicht: (2020)

Feedback Loops With Language Models Drive In-Context Reward Hacking
von: Pan, Alexander, et al.
Veröffentlicht: (2024)

Algorithmic Content Selection and the Impact of User Disengagement
von: Calvano, Emilio, et al.
Veröffentlicht: (2024)

Diffusion Language Models are Provably Optimal Parallel Samplers
von: Jiang, Haozhe, et al.
Veröffentlicht: (2025)

From Style to Facts: Mapping the Boundaries of Knowledge Injection with Finetuning
von: Zhao, Eric, et al.
Veröffentlicht: (2025)

Patient Safety Risks from AI Scribes: Signals from End-User Feedback
von: Dai, Jessica, et al.
Veröffentlicht: (2025)

Desirable Effort Fairness and Optimality Trade-offs in Strategic Learning
von: Efthymiou, Valia, et al.
Veröffentlicht: (2025)

Do LLMs Track Public Opinion? A Multi-Model Study of Favorability Predictions in the 2024 U.S. Presidential Election
von: Parikh, Riya, et al.
Veröffentlicht: (2026)

Density-Based Algorithms for Corruption-Robust Contextual Search and Convex Optimization
von: Leme, Renato Paes, et al.
Veröffentlicht: (2022)

Distortion of AI Alignment: Does Preference Optimization Optimize for Preferences?
von: Gölz, Paul, et al.
Veröffentlicht: (2025)

Personalized Auto-Grading and Feedback System for Constructive Geometry Tasks Using Large Language Models on an Online Math Platform
von: Lee, Yong Oh, et al.
Veröffentlicht: (2025)

Prediction-Powered Inference Across Many Tasks for AI Evaluation & Social Science Research
von: Emmenegger, Nicolas, et al.
Veröffentlicht: (2026)

Incentive-Aware Machine Learning; Robustness, Fairness, Improvement & Causality
von: Podimata, Chara
Veröffentlicht: (2025)

Using Machine Learning in Analyzing Air Quality Discrepancies of Environmental Impact
von: Wang, Shuangbao Paul, et al.
Veröffentlicht: (2025)

Digital Twin Technologies in Predictive Maintenance: Enabling Transferability via Sim-to-Real and Real-to-Sim Transfer
von: Ma, Sizhe, et al.
Veröffentlicht: (2025)

Combating the Bullwhip Effect in Rival Online Food Delivery Platforms Using Deep Learning
von: Ghosh, Tisha
Veröffentlicht: (2025)

Incentivizing High-Quality Content in Online Recommender Systems
von: Hu, Xinyan, et al.
Veröffentlicht: (2023)

Smooth Nash Equilibria: Algorithms and Complexity
von: Daskalakis, Constantinos, et al.
Veröffentlicht: (2023)

Learning in Stackelberg Games with Non-myopic Agents
von: Haghtalab, Nika, et al.
Veröffentlicht: (2022)

Sample-Adaptivity Tradeoff in On-Demand Sampling
von: Haghtalab, Nika, et al.
Veröffentlicht: (2025)

How Green Can AI Be? A Study of Trends in Machine Learning Environmental Impacts
von: Morand, Clément, et al.
Veröffentlicht: (2024)

Impact of Decentralized Learning on Player Utilities in Stackelberg Games
von: Donahue, Kate, et al.
Veröffentlicht: (2024)

From Individual Experience to Collective Evidence: A Reporting-Based Framework for Identifying Systemic Harms
von: Dai, Jessica, et al.
Veröffentlicht: (2025)

Online Scheduling for LLM Inference with KV Cache Constraints
von: Jaillet, Patrick, et al.
Veröffentlicht: (2025)

Breaking Algorithmic Collusion in Human-AI Ecosystems
von: Collina, Natalie, et al.
Veröffentlicht: (2025)

Contextual Dynamic Pricing with Heterogeneous Buyers
von: Lykouris, Thodoris, et al.
Veröffentlicht: (2025)

When Can Memorization Improve Fairness?
von: Pepin, Bob, et al.
Veröffentlicht: (2024)

Time Can Invalidate Algorithmic Recourse
von: De Toni, Giovanni, et al.
Veröffentlicht: (2024)