[论文解读] Shortlisting: a Principled Approach

Elkind, Edith, Qishen Han+1 more|arXiv (Cornell University)|Jan 29, 2026

Innovation, Sustainability, Human-Machine Systems被引用 0

一句话总结

简短摘要：一个大胆前瞻性的论文，提出了一个用于初选的 principled 框架，将其与多胜者投票区分开来，并概述在社会选择与多智能体系统中实现高效且公平初选的愿望清单、聚合方法和策略考虑。

ABSTRACT

Shortlisting is the process of selecting a subset of alternatives from a larger pool for further consideration or final decision-making. It is widely applied in social choice and multi-agent system scenarios. The growing demand for participatory decision-making and the continuously expanding space of candidates create an urgent need for efficient and fair shortlisting procedures. However, little principled study has been done on this problem. This blue-sky paper aims to highlight the overlooked significance of shortlisting, distinguish it from related problems, provide initial thoughts, and, more importantly, serve as a call to arms. We envision that principled shortlisting can reduce cognitive burden, enable fair collective decisions, encourage broader participation, and ultimately build trust in democratic systems.

研究动机与目标

• 将初选定义为一个两阶段决策问题（初选构建再到投票），并将其与直接的多胜者投票区分开来。
• 从多重视角（代理人、初选者，以及两者的结合）提出对初选和最终决策的公理性 desiderata。
• 探讨在非完整偏好知识和现实世界约束下满足公理的聚合规则与策略。
• 讨论认知效率、预测的使用，以及在初选中的激励兼容性或策略性考量。

提出的方法

• 引入一个统一的两阶段框架：初选者从更大的候选集里选择一个初选名单，代理人对初选名单投票。
• 对偏好空间（同意与线性序）建模，并定义恢复与相关公理以评估初选流程。
• 综合来自多胜者投票、单胜投票、匹配与推荐系统的聚合选项，以设计初选规则。
• 通过权衡初选规模与决策空间及判断难易度来纳入认知效率分析。
• 讨论利用不完美偏好预测的学习增强初选与含预测的算法，以提升初选设计。

实验结果

研究问题

• RQ1 从代理人、初选者与系统综合视角，应该有哪些 desiderata 指导初选程序？
• RQ2 如何将现有的社会选择规则改编用于构建有助于最终决策良好、同时管理认知负担的初选名单？
• RQ3 预测与学习增强方法如何影响初选程序的设计与性能？
• RQ4 初选者与代理人会出现哪些激励与策略行为，它们如何影响结果？
• RQ5 在选择初选规模并确保公平代表性方面，认知效率扮演何种角色？

主要发现

• 由于两阶段性与决策空间的考虑，初选应被视为与直接的多胜者投票不同的问题。
• 初选规模（认知效率）与恢复/ desiderata 满足之间存在权衡，需要仔细设计初选规则。
• 恢复风格的公理将最终结果与全偏好期望联系起来，指导对初选程序的评估。
• 带有预测的初选具有潜在收益，但需要在一致性（正确性）与鲁棒性（最坏情况保障）之间进行平衡。
• 通过博弈论模型可以对初选者与代理人的策略行为进行分析，且它们对结果可能产生有益或有害的影响。