NeurIPS 2026 论文提出从成员查询学习最小化利益相关方拒绝的模型混合抽签算法

Nicholas Teh 与 Paul W. Goldberg 在 NeurIPS 2026 论文（arXiv 2610.37828）中研究 AI 开发者如何从 m 个候选模型版本中随机抽签分配请求，使 n 个利益相关方中被拒绝方最少；各方可通过二元成员查询表达接受与否。 作者证明该问题在各方半空间偏好已知时即为 APX-hard，但在 m 为常数时给出多项式时间精确算法，并在某最优抽签不存在距阈值 η 以内的接受方时给出准多项式时间算法；同时证明若仅查询 K 个主体，则对未被询问者不提供任何保证。

AI 根据报道生成 · 30 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。