计算机科学 > 人工智能
[提交于 2025年11月6日
]
标题: 问题的问题:在线协商过程中的表示审计
标题: Question the Questions: Auditing Representation in Online Deliberative Processes
摘要: 许多协商过程(如公民大会和协商民意调查)的一个核心特点是参与者有机会直接与专家互动。 虽然通常会邀请参与者提出问题供专家小组讨论,但由于时间限制,只能选择有限数量的问题。 这引发了如何选择一组最能代表所有参与者利益的问题的挑战。 我们引入了一个审计框架,用于测量问题列表提供的代表性水平,该框架基于社会选择概念中的合理代表性(JR)。 我们提出了第一个在一般效用设置下审计JR的算法,我们最高效的算法运行时间为$O(mn\log n)$,其中$n$是参与者的数量,$m$是提出的問題數量。 我们将我们的审计方法应用于历史协商,比较了(a)由主持人选择的实际向专家小组提出的问题,(b)通过整数线性规划选择的参与者问题,(c)由大型语言模型(LLMs)生成的摘要问题的代表性。 我们的结果突显了LLMs在支持协商过程方面的潜力和当前局限性。 通过将我们的方法集成到一个在线协商平台中,该平台已在50多个国家进行了数百次协商,我们使从业者在未来协商中审计和提高代表性变得容易。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.