Approximating the Core of Cooperative Games
Zusammenfassung
Für diesen Bericht lag nur ein Auszug oder keine vollständige Fassung vor. Die Zusammenfassung sagt das selbst.
Kurz
Der vorliegende Text ist ein Auszug, bestehend aus Abstract und bibliografischen Angaben. Darin werden iterative Näherungsverfahren für den schwer berechenbaren Kern kooperativer Spiele und mögliche Anwendungen in Politik, Teamvergütung und erklärbarer KI beschrieben; konkrete Ergebnisse oder Einschränkungen der Verfahren nennt der Auszug nicht.
Mittel
Der vorliegende Text ist nur ein Auszug mit Abstract und bibliografischen Angaben, nicht der vollständige Bericht. Er behandelt effiziente Näherungsverfahren für den Kern kooperativer Spiele, dessen Berechnung laut den Autorinnen und Autoren auch in eingeschränkten Spielklassen schwierig ist. Die Verfahren verfeinern eine Auszahlungsverteilung schrittweise anhand von Einschränkungen aus zufällig ausgewählten Koalitionen.
Als Anwendungen nennt der Abstract politische Machtanalysen, die Verteilung gemeinsamer Teamerträge und erklärbare KI. Empirisch untersuchen die Autorinnen und Autoren laut Abstract die Teamstabilität in gewichteten Abstimmungsspielen, Graphenspielen und Netzwerken marginaler Beiträge. Zudem vergleichen sie Wirkungsabschätzungen mit Shapley-Wert und Least-Core in politischen Analysen und auf mehreren Datensätzen zur erklärbaren KI.
Der Auszug enthält keine konkreten Resultate, Zahlen oder Verfahrensgrenzen. Er erlaubt deshalb keine Einschätzung der Effektstärke oder eines allgemeinen Leistungsvorteils. Als Publikationsort wird AAMAS 2024 angegeben.
Ausführlich lesen
Der vorliegende Text ist ein Auszug: Er enthält den Abstract sowie Angaben zu Autorinnen und Autoren und zum Publikationsort, aber nicht den vollständigen Bericht. Der Abstract behandelt die Berechnung des „Kerns“ kooperativer Spiele. Dieser gilt als etabliertes Lösungskonzept der kooperativen Spieltheorie, ist laut den Autorinnen und Autoren jedoch selbst für eingeschränkte Klassen von Koalitionsspielen schwer zu berechnen. Als mögliche Anwendungsfelder nennt der Text politische Machtanalysen, die Verteilung gemeinsam erzielter Gewinne in Teams und erklärbare KI, etwa die Ermittlung einflussreicher Merkmale oder Datenpunkte.
Vorgeschlagen werden effiziente Näherungsverfahren: Sie verfeinern wiederholt eine Auszahlungsverteilung, indem sie Einschränkungen aus zufällig ausgewählten Koalitionen heranziehen. Der Abstract stellt diesen Ansatz als Möglichkeit dar, den Kern für Anwendungen zugänglich zu machen, in denen bislang der leichter approximierbare Shapley-Wert eingesetzt wird.
Den Angaben zufolge untersuchen die Autorinnen und Autoren empirisch, wie Spielparameter die Stabilität von Teams in gewichteten Abstimmungsspielen, Graphenspielen und Netzwerken marginaler Beiträge beeinflussen. Außerdem vergleichen sie individuelle Wirkungsschätzungen nach Shapley-Wert und Least-Core in politischen Anwendungen sowie bei Analysen erklärbarer KI über mehrere Datensätze.
Der Auszug beschreibt keine konkreten Zahlen, Datensätze, Gütemaße oder Einschränkungen der Verfahren. Daher lässt sich daraus weder die Größe der berichteten Effekte noch die praktische Überlegenheit einer Methode im Einzelnen ableiten. Genannt ist als Publikationsort AAMAS 2024.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Tempo und Grenzen
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 49 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 53 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug