跳到正文
arXiv · AI· Santiago Cortes-Gomez, Mateo Dulce Rubio, Carlos Patino, Bryan Wilder·· 7 天前AI 评分28

不可约不确定性下算法资源分配的筛查极限

The Limits of AI-Driven Allocation: Optimal Screening under Aleatoric Uncertainty

AI 导读

在机器学习驱动的定向资源分配中,即使拥有真实条件脆弱性概率,不可约的偶然不确定性仍导致部分资源错配。 研究指出最优策略应在算法分配边际进行筛查,直接锁定高风险群体;筛查效率增益随人口不确定性增加而扩大,预算划分规则仅取决于筛查与分配的相对成本比。 该框架被应用于基于收入的社会保护项目及哥伦比亚人道主义排雷,揭示了筛查成本与分配效率间的实际权衡。

来源:arXiv · AI · arxiv.org