Conitzer 团队论文获 WINE 2026 最佳学生论文：量化「信息的价值」
conitzer · x · 2026-10-21
Vincent Conitzer 宣布其与 Emin Berker、Ioannis Anagnostides、Emanuel Tewolde 等人的论文《What You Earn from What You Learn: Characterization and Complexity of the Value of Information》获 WINE 2026 最佳学生论文奖。
论文研究扩展式决策问题中「信息的价值」：决策者从信息精化中获得的最大乘性收益，将其从具体收益设定中剥离出来度量信息的结构重要性，是 Berker 等人 AAAI'25「回忆价值」概念的推广。
- 建立了任意信息精化下信息价值的统一刻画，并与某类冲突图上的最大分数色数产生联系。
- 完美回忆问题中完美信息价值：冲突图退化为 cograph，但跨图族优化使计算为 NP-complete；同时证明按不完全信息度数的固定参数可解性。
- 对「回忆价值」等另外两种信息精化也给出了复杂度分析。
「研究」频道最新
- IFM 开源 RL360:8192 并发沙箱、130 万 rollouts 的 RL 基建 — rupspace · 2026-10-23
- AI 揭穿阴谋论研究风波落幕：Science 撤回关注声明，结论不变 — DG_Rand · 2026-10-23
- Embodied First Exam：一行代码在 44 台机器人上考你的 Agent — ManlingLi_ · 2026-10-23
- Anima Anandkumar 演讲：AI 气象模型胜超算，但不会取代科学家 — AnimaAnandkumar · 2026-10-23
- GLM-5.3-Flash 实现 1M token 上下文训练，较基线提升 64 倍 — AndrewLBeam · 2026-10-23
- 作者用布尔逻辑造 LM:前向传播单线程仅需几微秒但训练极慢 — cephaloform · 2026-10-23