Attention Overload
注意力过载AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究备选项考虑概率、观察选择与潜在偏好排序，并处理列表中的异质性偏好，属于离散选择方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
注意力过载
- 研究问题
- 选择集合扩大时，备选项之间的注意力竞争如何影响观察到的选择？能否据此识别偏好排序、注意力及异质性偏好分布？
- 方法与思路
- 作者限制每个选项的考虑概率随选择问题扩大而弱下降，以搜索容量解释该限制，并发展非参数识别、高维推断和有限样本方法。
- 材料陈述的贡献
- 摘要称刻画了与选择数据相容的偏好排序和潜在注意力锐界，并在列表呈现情形识别异质性偏好，提供出行方式实验应用。
- 阅读关注点
- 应核对考虑概率单调限制的可检验含义、偏好与注意力识别所需变化，以及列表顺序和高维推断中的具体条件。
- 阅读边界
- 所给版本为预印本，不能据此确认同行评审或期刊接收；摘要未说明实验设计及识别条件，自报排序吻合仅为应用陈述。
原文摘要
We introduce an Attention Overload Model (AOM) in which alternatives compete for attention, so each alternative's consideration probability weakly decreases as the choice problem expands. This nonparametric restriction has a search-capacity foundation. We identify exactly which preference rankings are compatible with observed choices and establish sharp bounds on latent attention. We then consider heterogeneous preferences in settings where alternatives are presented in a list, establishing nonparametric identification results for attention and the distribution of preferences. We also develop high-dimensional inference and finite-sample methods for these models. Using the travel-mode experiment of Wang and Zhu (2025), we illustrate the methods and find that recovered pairwise preference shares closely match subjects' self-reported rankings.