Performative Prediction on Games and Mechanism Design

要約

予測は、予測しようとする現実に影響を与えることが多く、これはパフォーマンス性として知られる効果です。
既存の研究は、この影響下での精度の最大化に焦点を当てていますが、モデルの展開は、特にマルチエージェントのシナリオにおいて、重要な意図しない影響を与える可能性があります。
この研究では、社会福祉が精度の最大化の代替目標となる具体的なゲーム理論の設定におけるパフォーマンス予測を調査します。
私たちは、集団行動を予測する際に、精度を最大化すると社会福祉に悪影響を与える可能性がある集団リスクのジレンマ シナリオを調査します。
ベイジアン エージェント動作モデルの知識を前提とすることで、より適切なトレードオフを実現し、それをメカニズムの設計に使用する方法を示します。

要約(オリジナル)

Predictions often influence the reality which they aim to predict, an effect known as performativity. Existing work focuses on accuracy maximization under this effect, but model deployment may have important unintended impacts, especially in multiagent scenarios. In this work, we investigate performative prediction in a concrete game-theoretic setting where social welfare is an alternative objective to accuracy maximization. We explore a collective risk dilemma scenario where maximising accuracy can negatively impact social welfare, when predicting collective behaviours. By assuming knowledge of a Bayesian agent behavior model, we then show how to achieve better trade-offs and use them for mechanism design.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google