HCOMP 2026研究:量化众包悬赏任务的证明负担
windx0303 · x · 2026-09-29
在 HCOMP 2026 会议第二天,研究者 Iman YeckehZaare 报告了一项基于 RentAHuman 平台的案例研究:《Measuring Proof Burden in Public Bounty Listings: A RentAHuman Case Study》。
研究关注众包/人本计算平台上的公开悬赏任务(bounty)中一个被忽视的问题:证明负担(proof burden)——即任务发布方要求完成者提供何种程度的证据来证明工作已完成,以及这种要求如何影响任务双方。
该研究以 RentAHuman(一个真人任务悬赏平台)为样本,系统测量公开悬赏列表中的证明要求,属于人本计算(human computation)与在线劳动经济学的交叉研究。
「研究」频道最新
- NBER 论文：LLM 工作流检查 4452 项经济学研究，3460 篇发现问题 — sebkrier · 2026-09-29
- 经济学家 Horton:AI 生成论文应与人分开,GitHub 或成新发表场 — soumitrashukla9 · 2026-09-29
- 哈佛医学院临床信息学系列讲座：AI 与心理健康专题 — zakkohane · 2026-09-29
- HCOMP 2026 研究：图像尺度影响众包标注员与审核员表现 — windx0303 · 2026-09-29
- EleutherAI 开源 Bergson：一个库打包 EK-FAC 等多种数据归因方法 — BlancheMinerva · 2026-09-29
- Anthropic 研究员发布 Bergson 数据归因库，首度开源 MAGIC 方法 — BlancheMinerva · 2026-09-29