CQL-MAB工人选择算法

面向多媒体移动群智感知中未知工人招募问题，该算法融合信用识别、细粒度质量计算与两阶段多臂老虎机拍卖机制，能够同时保障高信用和高数据质量的工人选择。

Jianheng, Tang · Feijiang, Han · Kejia, Fan · Wenxuan, Xie · Yin, Pengzhi · Qu, Zhenzhe · 刘安丰 · 70735797 · 张少波 · Tian, Wang

Information Sciences 2023

技术优势

信用识别保障真实

通过信用识别算法剔除不诚实工人，确保拍卖机制的真实性。

质量细粒度计算

采用细粒度质量计算方法，精确评估工人数据质量，提升选择效果。

两阶段学习决策

基于两阶段多臂老虎机，在探索与利用间平衡，优化长期收益。

应用场景

• 移动群智感知：为多媒体群智感知平台提供高质量多模态数据，支撑智能模型训练。
• 工人招募：自动筛选高信用、高质量工人，避免招募不诚实或低质量工人。
• 数据收集：提升数据收集的质量和数量，增强大规模多媒体模型的安全性和鲁棒性。
• 智能体协作：通过拍卖机制实现智能体间高效协作，保障个体理性与效率。