Prior-Agnostic Robust Forecast Aggregation

요약

본 논문은 다양한 정보 출처의 예측을 결합하여 최악의 경우 성능을 보장하는 '강건한(Robust) 예측 집계' 기법에 관한 연구입니다. 기존 연구가 알려진 이진 상태 공간({0, 1})에 국한되었던 것과 달리, 본 논문은 집계기가 근본적인 공동 정보 구조나 전체 사전 분포를 알지 못하는 상황을 가정합니다. 핵심 기여는 로그-오즈(log-odds) 공간에서 예측을 선형적으로 결합하는 간단하고 명시적인 폐쇄형 공식의 집계기이며, 이를 통해 다양한 지식 체제 하에서 강력한 최소-최대 후회(minimax-regret) 보장을 제시합니다.

핵심 포인트

• 집계기가 근본적인 정보 구조나 사전 분포를 모르는 '사전 불가지론적(Prior-Agnostic)' 환경을 다룸.
• 이진 상태 공간 {0, 1}에 국한되지 않고, 미지의 상태 값이 [0, 1]의 임의의 실수일 수 있도록 일반화함.
• 로그-오즈 공간에서 예측을 선형적으로 결합하는 간단하고 명시적인 폐쇄형 공식 집계기를 제안함.
• 알려진 상태 공간 {0, 1} 환경에서 기존 기록보다 더 낮은 후회 상한(regret upper bound < 0.0226)을 달성하여 성능 우위를 입증함.