Full Information Equivalence in Large Elections
大规模选举中的完全信息等价性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。
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：摘要讨论选举规则与私人信息汇总，未明确涉及所列计量细分方向，因此不强行归入因果推断或离散选择。
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…
大规模选举中的完全信息等价性
- 研究问题
- 在包含两个或更多备选项的选举中，哪些评分规则与信息环境允许汇总私人信息，使选民规模扩大后的选择符合完全信息下的选择？
- 方法与思路
- 作者提出“线性细化条件”：存在对信号分布呈线性的效用函数，且其最优备选项与原始效用函数一致，以此刻画渐近信息汇总的可行性。
- 材料陈述的贡献
- 摘要称，该条件刻画了信息能够渐近汇总的情形，并补充依赖较强环境假设的既有研究，提醒过度施加结构可能产生可行性的假阳性判断。
- 阅读关注点
- 应核对完全信息等价性的正式定义、线性细化条件的适用范围，以及评分规则和选举行为如何进入信息汇总的理论论证。
- 阅读边界
- 仅依据所给 Crossref 摘要；摘要未说明具体均衡概念、信号条件及证明细节，不能判断结果对其他投票机制是否成立或推断刊本变化。
原文摘要
We study the problem of aggregating private information in elections with two or more alternatives for a large family of scoring rules. We introduce a feasibility condition, the linear refinement condition , that characterizes when information can be aggregated asymptotically as the electorate grows large: there must exist a utility function, linear in distributions over signals, sharing the same top alternative as the primitive utility function. Our results complement the existing work where strong assumptions are imposed on the environment, and caution against potential false positives when too much structure is imposed.