failure-conditioned-greedy

深度分析

基於查詢效率的模型委員會選擇：二元與成對回饋下的失敗條件貪婪與序數鬆弛

本文把選擇小型高效AI集隊的問題，建模為一種分布式的多勝者投票問題：以抽樣任務為「選民」，任務對候選專家給出二元或成對偏好反饋。研究在二元反饋下把目標形式化為覆蓋率（coverage），在成對反饋下提出θ-winning 概念並引入加權序數覆蓋的鬆弛。