Buchumschlag

Learning Aggregation Rules in Participatory Budgeting: A Data-Driven Approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fairstein, Roy, Vilenchik, Dan, Gal, Kobi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Computers and Society Computer Science and Game Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Proportional Participatory Budgeting with Projects Interaction
von: Fairstein, Roy, et al.
Veröffentlicht: (2021)

Submodular Participatory Budgeting
von: Yuan, Jing, et al.
Veröffentlicht: (2024)

Towards Affordable Energy: A Gymnasium Environment for Electric Utility Demand-Response Programs
von: Escamilla, Jose E. Aguilar, et al.
Veröffentlicht: (2026)

Test-Time Compute Games
von: Velasco, Ander Artola, et al.
Veröffentlicht: (2026)

LLM Strategic Reasoning: Agentic Study through Behavioral Game Theory
von: Jia, Jingru, et al.
Veröffentlicht: (2025)

Alignment as Institutional Design: From Behavioral Correction to Transaction Structure in Intelligent Systems
von: Chai, Rui
Veröffentlicht: (2026)

Two Tickets are Better than One: Fair and Accurate Hiring Under Strategic LLM Manipulations
von: Cohen, Lee, et al.
Veröffentlicht: (2025)

Is Your LLM Overcharging You? Tokenization, Transparency, and Incentives
von: Velasco, Ander Artola, et al.
Veröffentlicht: (2025)

Policy Aggregation
von: Alamdari, Parand A., et al.
Veröffentlicht: (2024)

Representative Social Choice: From Learning Theory to AI Alignment
von: Qiu, Tianyi
Veröffentlicht: (2024)

Understanding and Reducing the Class-Dependent Effects of Data Augmentation with A Two-Player Game Approach
von: Jiang, Yunpeng, et al.
Veröffentlicht: (2024)

GLEE: A Unified Framework and Benchmark for Language-based Economic Environments
von: Shapira, Eilam, et al.
Veröffentlicht: (2024)

Beyond Majority Voting: LLM Aggregation by Leveraging Higher-Order Information
von: Ai, Rui, et al.
Veröffentlicht: (2025)

Exploring Welfare Maximization and Fairness in Participatory Budgeting
von: Sreedurga, Gogulapati
Veröffentlicht: (2024)

Optimizing Hard-to-Place Kidney Allocation: A Machine Learning Approach to Center Ranking
von: Berry, Sean, et al.
Veröffentlicht: (2024)

Trustworthy Machine Learning under Social and Adversarial Data Sources
von: Shao, Han
Veröffentlicht: (2024)

Federated Learning for Data Market: Shapley-UCB for Seller Selection and Incentives
von: Chen, Kongyang, et al.
Veröffentlicht: (2024)

Agent-oriented Joint Decision Support for Data Owners in Auction-based Federated Learning
von: Tang, Xiaoli, et al.
Veröffentlicht: (2024)

How Can Incentives and Cut Layer Selection Influence Data Contribution in Split Federated Learning?
von: Lee, Joohyung, et al.
Veröffentlicht: (2024)

AI of the People, by the People, for the People: A Social Choice Approach to Collective Control of Artificial Intelligence
von: Bachmann, Paul Anton, et al.
Veröffentlicht: (2026)

SpinGPT: A Large-Language-Model Approach to Playing Poker Correctly
von: Maugin, Narada, et al.
Veröffentlicht: (2025)

Designing Reputation Systems for Manufacturing Data Trading Markets: A Multi-Agent Evaluation with Q-Learning and IRL-Estimated Utilities
von: Yamamoto, Kenta, et al.
Veröffentlicht: (2025)

A Policy-Gradient Approach to Solving Imperfect-Information Games with Best-Iterate Convergence
von: Liu, Mingyang, et al.
Veröffentlicht: (2024)

What Voting Rules Actually Do: A Data-Driven Analysis of Multi-Winner Voting
von: Caiata, Joshua, et al.
Veröffentlicht: (2025)

Designing DSIC Mechanisms for Data Sharing in the Era of Large Language Models
von: Ayyoubzadeh, Seyed Moein, et al.
Veröffentlicht: (2025)

On the Impact of the Utility in Semivalue-based Data Valuation
von: Tamine, Mélissa, et al.
Veröffentlicht: (2025)

LOQA: Learning with Opponent Q-Learning Awareness
von: Aghajohari, Milad, et al.
Veröffentlicht: (2024)

Ranking Abuse via Strategic Pairwise Data Perturbations
von: Yao, Junyi, et al.
Veröffentlicht: (2026)

Calibrating Attribution Proxies for Reward Allocation in Participatory Weather Sensing
von: Ballandies, Mark C., et al.
Veröffentlicht: (2026)

Decision Theory-Guided Deep Reinforcement Learning for Fast Learning
von: Wan, Zelin, et al.
Veröffentlicht: (2024)

Do LLM Agents Have Regret? A Case Study in Online Learning and Games
von: Park, Chanwoo, et al.
Veröffentlicht: (2024)

Gradient-based Learning in State-based Potential Games for Self-Learning Production Systems
von: Yuwono, Steve, et al.
Veröffentlicht: (2024)

Learning and Collusion in Multi-unit Auctions
von: Brânzei, Simina, et al.
Veröffentlicht: (2023)

Machine Learning-Powered Course Allocation
von: Soumalias, Ermis, et al.
Veröffentlicht: (2022)

Learning Truthful Mechanisms without Discretization
von: Ma, Yunxuan, et al.
Veröffentlicht: (2025)

Explore Reinforced: Equilibrium Approximation with Reinforcement Learning
von: Yu, Ryan, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning for Sequential Combinatorial Auctions
von: Ravindranath, Sai Srivatsa, et al.
Veröffentlicht: (2024)

An Auction-based Marketplace for Model Trading in Federated Learning
von: Cui, Yue, et al.
Veröffentlicht: (2024)

Optimistic Thompson Sampling for No-Regret Learning in Unknown Games
von: Li, Yingru, et al.
Veröffentlicht: (2024)

Knowledge-Free Correlated Agreement for Incentivizing Federated Learning
von: Witt, Leon, et al.
Veröffentlicht: (2026)