arXiv cs.CY· Gaurab Pokharel, Sanmay Das, Patrick J. Fowler·· 10 小时前AI 评分31
研究：街头官僚的自由裁量预算机制及其对 AI 分配系统的启示
Budgeting Discretion: Theory and Evidence on Street-Level Decision-Making
AI 导读
一项被 NeurIPS 2026 接收为 Spotlight 的研究将街头官僚的自由裁量权形式化为有限时域动态分配问题：智能体遵循默认策略，但在 T 个周期内拥有 K 次覆盖预算。
正文 · AI 翻译
摘要：街头官僚，例如个案工作者、分诊护士和学校管理者，在运作时面临一种根本性的张力。关于优先考虑谁的官方政策，可能与官僚对谁将获益最多的判断相冲突。街头官僚理论认为，一线工作人员弥合了这一差距，当专业判断发现改善结果的机会时，他们会推翻政策。随着算法推荐进入分配场景，理解这种行为对于设计能够纳入专业判断的工具至关重要。我们将自由裁量权形式化为一个有限时域的动态分配问题。代理人遵循默认策略，但在 $T$ 个周期内拥有 $K$ 次推翻的预算。每个周期，代理人观察到偏离带来的福利增益，并决定是现在使用一次推翻还是留待以后。我们证明最优策略是一种状态依赖的阈值规则，并证明了一种行为不变性：对于改进分布的位置-尺度族，最优代理人行使自由裁量权的速率与福利增益的大小无关，仅取决于分布的形状。厚尾增益会诱发耐心（将推翻保留给罕见的高风险案例）；薄尾增益会诱发常规的、前置的支出。我们还将模型的含义与来自无家可归者服务系统的数据进行了比较。在模型中，容量开放使推翻的使用成本更低，从而降低了使用推翻的阈值。在数据中，推翻率随着稀缺住房的短期容量开放而变化，当退出释放名额时上升，当干预措施拥堵时下降。从描述上看，支出是前置的：推翻率在周一和财年早期达到峰值。模型和数据共同指向自由裁量权中的系统性结构，为设计更高效、更公平的人类-AI 分配系统提供信息。
| 评论： | 已被 NeurIPS 2026 接收，Spotlight |
| 主题： | 计算机与社会（cs.CY） |
| 引用为： | arXiv:2602.10039 [cs.CY] |
| （或 arXiv:2602.10039v2 [cs.CY] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2602.10039 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Gaurab Pokharel [查看电子邮件]
[v1]
2026年2月10日星期二 18:02:14 UTC（93 KB）
[v2]
2026年11月5日星期四 21:14:58 UTC（349 KB）
来源：arXiv cs.CY · arxiv.org