arXiv · cs.AI · Lingkai Kong, Hezi Jiang, Andrew Ma, Keyu Wang, Akseli Kangaslahti, Davin Choo, Milind Tambe, Michael M. Cassell, Kayla Stankevitz, Alastair van Heerden, Cheryl Johnson · 9 小时前模型评分36
GFP：用生成式前沿规划优化同伴推荐招募的券预算分配
Reaching Hidden Populations: Generative Frontier Planning for Peer-Referral Recruitment
导读
研究提出生成式前沿规划（GFP，Generative Frontier Planning），用删失计数模型学习推荐能力、用条件扩散模型建模推荐者相关的被推荐者特征，从而自适应地在参与者与轮次间分配固定推荐券预算。在ICPSR和FHI 360两份真实招募记录校准的环境中，同等预算下GFP比最强基线多招募最多21.5%的人。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：医疗与生命科学
事件类型：研究发布
证据摘录
- “We propose Generative Frontier Planning (GFP), which learns referral capacity with a censored count model and referrer-conditioned recruit covariates with a conditional diffusion model.”
来源：arXiv · cs.AI · arxiv.org