arXiv cs.AI· Saad Alqithami·· 9 天前AI 评分12
Soft Tournament Equilibrium：面向非传递成对比较的可微集合值推理
Soft Tournament Equilibrium: Differentiable Set-Valued Inference for Non-Transitive Pairwise Comparisons
AI 导读
论文提出 Soft Tournament Equilibrium（STE），一个从互反成对概率中推断 Top-Cycle（TC）与 Uncovered-Set（UC）的可微层，通过归一化 log-sum-exp 可达性与覆盖给出平滑分数，并附带近似、扰动与 margin 恢复界。
正文 · AI 翻译
摘要：Soft Tournament Equilibrium (STE) 是一种可微分层，用于从互惠配对概率中推断 Top-Cycle (TC) 和 Uncovered-Set (UC)。归一化的 log-sum-exp 可达性与覆盖给出平滑分数，并具有近似、扰动和边际恢复界。我们通过受控合成研究和已记录序数剖面的重建，区分结构监督、后验不确定性和最终集合决策。匹配轮次训练在共同结构读出下提升了 F1，但单独的等预算 soft-UC 比较并未显示出优势。一项前瞻性等预算 hard-UC 研究在 24 个备选项下将选择性 F1 从普通/关系原生头的 0.6327/0.6292 提升至 0.6676，而精确恢复仍仅为 1.16%。在按来源留出的 36 个人类剖面上，一项单独的探索性比较在原生期望 F1 解码中更支持 Jeffreys 后验推断，而非学习到的独立边和混合分布（0.8742 对 0.8704/0.8366）。只有三篇参考文献是非单元素选择性核心。完成证书和全深度 TC 诊断阐明了额外的识别、平滑和计算限制。证据支持条件性合成重叠增益，同时保留了软集合零假设，以及未证明相对于强基于计数的人类剖面控制的学习优势。
| 评论： | 扩展的实证评估，包含原生计数/后验控制和完整支持性证明；披露并排除了一项无效的次级混合解码器诊断 |
| 主题： | 人工智能 (cs.AI)；机器学习 (cs.LG)；多智能体系统 (cs.MA) |
| 引用为： | arXiv:2604.04328 [cs.AI] |
| （或 arXiv:2604.04328v4 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2604.04328 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Saad Alqithami [查看电子邮件]
[v1]
2026年4月6日星期一 00:40:14 UTC (93 KB)
[v2]
2026年4月7日星期二 10:00:10 UTC (93 KB)
[v3]
2026年5月5日星期二 14:08:00 UTC (278 KB)
[v4]
2026年10月7日星期三 20:02:59 UTC (230 KB)
来源：arXiv cs.AI · arxiv.org