面向多轮群体决策的表示引导偏好学习

基于摘要分析。本文研究固定参与者群体在连续多轮决策中的偏好学习：协调者根据各参与者对文本选项给出的标量效用反馈，寻找公平的决策方案。核心贡献是将问题形式化为双线性低秩 bandit，通过跨轮共享表示与个体偏好的联合学习降低探索成本。 机制与理论：方法采用交替最小化与 LCB-minimax 探索。作者报告，其累积伪遗憾上界随表示的谱维度 k_h 而非编码器的环境维度 d_h 缩放，提示低秩结构可用于控制高维表示下的学习复杂度。摘要未说明公平性目标的精确定义、低秩条件、反馈噪声假设及上界的其他依赖项，均需正文核对。 实验结果：在受控多轮模拟器上，作者报告总轮次最优方案差距 G_total 为 22.06±1.47，对照结果范围为 46.57–146；逐轮误差从第 1 轮的 5.57 降至第 3 轮的 2.00，此后约在 1.5–3 之间。摘要未明确这些对照分别对应何种配置，也未解释误差条的统计含义。在使用 Qwen3-8B、Llama-3.1-8B-Instruct、gemma-3-4b-it 和 all-MiniLM-L6-v2 预训练编码器的评估中，作者报告联合学习共享探针与个体偏好，相较随机投影使 G_total 降低 1.9–2.5 倍，相较 one-hot 特征降低 3.2–4.9 倍。使用真实预训练编码器不等于完成真实参与者验证；参与者规模、轮次数、数据划分、消融与统计信息尚未验证。 适用边界：原论文对象是文本选项上的群体效用反馈，而非 EEG 解码或 BCI 控制。其机制依赖固定参与者、多轮反馈及可共享的低秩偏好结构；材料尚未建立这些条件与神经信号任务的具体对应关系，因此不据此提出 BCI 迁移效果或复现实验建议。已有 EEG 相关工作尚未检索确认。