[논문 리뷰] On Best-of-Both-Worlds Fairness via Sum-of-Variances Minimization

Moshe Babaioff, Yuval Grofman|arXiv (Cornell University)|2026. 01. 23.

Game Theory and Voting Systems인용 수 0

한 줄 요약

논문은 BoBW 공정성을 달성하기 위해 ex-ante 비례성 하에서 에이전트 값의 분산 합을 최소화하는 것을 분석하며, 동일한 가치(두 에이전트)에 대해 강점이 있지만 비동일 가치 및 n≥3 동일 가치에 대해서는 강한 부정적 결과를 보인다.

ABSTRACT

We consider the problem of fairly allocating a set of indivisible goods among agents with additive valuations. Ex-ante fairness (proportionality) can trivially be obtained by giving all goods to a random agent. Yet, such an allocation is very unfair ex-post. This has motivated the Best-of-Both-Worlds (BoBW) approach, seeking a randomized allocation that is ex-ante proportional and is supported only on ex-post fair allocations (e.g., on allocations that are envy-free-up-to-one-good (EF1), or give some constant fraction of the maximin share (MMS)). It is commonly pointed out that the distribution that allocates all goods to one agent at random fails to be ex-post fair as it ignores the variances of the values of the agents. We examine the approach of trying to mitigate this problem by minimizing the sum-of-variances of the values of the agents, subject to ex-ante proportionality. We study the ex-post fairness properties of the resulting distributions. In support of this approach, observe that such an optimization will indeed deterministically output a proportional allocation if such exists. We show that when valuations are identical, this approach indeed guarantees fairness ex-post: all allocations in the support are envy-free-up-to-any-good (EFX), and thus guarantee every agent at least 4/7 of her maximin share (but not her full MMS). On the negative side, we show that this approach completely fails when valuations are not identical: even in the simplest setting of only two agents and two goods, when the additive valuations are not identical, there is positive probability of allocating both goods to the same agent. Thus, the supporting ex-post allocation might not even be EF1, and might not give an agent any constant fraction of her MMS. Finally, we present similar negative results for other natural minimization objectives that are based on variances.

연구 동기 및 목표

• ex-ante 비례성 하에서 SoV(합의 분산) 목표를 BoBW 접근으로 동기화하고 형식화한다.
• 동일한 가치일 때 SoV를 최소화하는 분포의 ex-post 공정성 특성을 특징짓는다.
• 비동일 가치일 때와 두 명 이상의 에이전트가 있을 때 SoV 최소화의 성능을 조사한다.
• SoV의 계산적 난해성과 다양한 변형 및 목표들에 걸친 기초적 제한점을 보여준다.

제안 방법

• allocation 전반에 걸친 ex-ante 비례 분포를 정의한다.
• SoV-최소화 분포의 지지 집합을 ex-ante 비례 공유 벡터에 대한 거리 최소화로 특징짓는다.
• 동일한 가치와 n=2일 때 SoV-최소화 분포가 ex-post MMS-공정(따라서 ex-post EFX)을 만족하고 이러한 분포를 계산하는 것이 NP-hard임을 증명한다.
• n≥3 동일 가치로 확장했을 때 ex-post MMS-공정성은 일부 경우에 거짓으로 나타나지만 ex-post EFX는 유지되어 상수 MMS 근사치를 시사한다.
• 비동일 가치에 대해 부정적 결과를 제시하며, 2 에이전트 및 2 재화의 경우에도 지지가 EF1/EFX를 깨뜨릴 수 있고, 다른 분산 기반 목표들에 대해서도 분석한다.

실험 결과

연구 질문

• RQ1 ex-ante 비례성 하에서 분산 합을 최소화하는 것이 동일한 가치에 대해 ex-post 공정성(EF1/EFX 또는 MMS)을 보장하는가?
• RQ2 동일한 가치가 주어졌을 때 두 명 이상 에이전트가 있을 때 SoV를 최소화하는 분포는 ex-post 어떤 공정성 특성을 보이는가?
• RQ3 비동일 가치가 주어졌을 때 SoV를 최소화하는 분 distro가 두 에이전트, 두 재화의 가장 간단한 설정에서도 ex-post 공정성에 해를 끼치는가?
• RQ4 ex-ante 비례성 하에서 SoV-최소화 분포를 찾는 데 computational/복잡도 장벽이 있는가?
• RQ5 다른 분산 기반 목표도 마찬가지로 ex-post 공정성을 보장하지 않는가?

주요 결과

• 두 에이전트가 동일한 가치일 때, 모든 SoV-최소화 분포는 ex-post MMS-공정(따라서 ex-post EFX)이다.
• n≥3의 동일 가치일 때 SoV-최소화 분포는 ex-post EFX이며, n=3에서 2/3 MMS 근사치, n≥4에서 4/7 MMS 근사치가 된다; 3에이전트의 MMS 근사치 상한은 최대 275/304 ≈ 90.4%이다.
• 두 동일 에이전트에 대해 ex-ante 비례성 하에서 SoV-최소화 분포를 계산하는 것은 NP-hard이다.
• 비동일 가치일 때, 두 에이전트, 두 재화의 예시에서 모든 SoV-최소화 분포가 한 에이전트에게 두 재화를 모두 주는 할당에 양의 확률을 배정하여 EF1(따라서 EFX) ex-post를 깨뜨리고 일정한 MMS를 보장하지 않음을 보인다.
• 다른 자연스러운 분산 기반 목표들(max variance, max std dev, std dev의 합, 분산의 분산 등)에서도 유사한 부정적 결과가 나타난다.
• 가치가 서로 다를 때 SoV 접근법은 ex-ante 비례성에도 불구하고 ex-post 공정성을 보장하지 않는다.