🤖 machine learning

Robust Strategic Classification under Decision-Dependent Cost Uncertainty

यह शोध पत्र निर्णय-निर्भर अनिश्चितता सेटों (decision-dependent uncertainty sets) के साथ एक दो-चरणीय सुदृढ़ अनुकूलन ढांचे (two-stage robust optimization framework) का प्रस्ताव करता है ताकि इस तथ्य को ध्यान में रखते हुए मौजूदा रणनीतिक वर्गीकरण मॉडलों की सीमाओं को संबोधित किया जा सके कि एल्गोरिद्मिक निर्णयों में हेरफेर करने की लागत पिछले नीतिगत परिणामों के आधार पर विकसित होती है, जिससे समय के साथ रणनीतिक गेमिंग को अधिक प्रभावी ढंग से नियंत्रित किया जा सके।

मूल लेखक: Sura Alhanouti, Güzin Bayraksan, Parinaz Naghizadeh

प्रकाशित 2026-06-30

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Sura Alhanouti, Güzin Bayraksan, Parinaz Naghizadeh

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

मुख्य विचार: एल्गोरिदम का "बिल्ली और चूहे" का खेल

कल्पना कीजिए कि एक विश्वविद्यालय प्रवेश कार्यालय (एल्गोरिदम) सबसे अच्छे छात्रों को चुनने की कोशिश कर रहा है। छात्र (एजेंट्स) अंदर आना चाहते हैं। कभी-कभी, छात्र सिस्टम के साथ "खेलने" (गेमिंग) की कोशिश करते हैं। वे अपने SAT स्कोर को बढ़ाने के लिए टेस्ट प्रेप कोर्स ले सकते हैं या केवल अपना बायोडाटा चमकाने के लिए किसी क्लब में शामिल हो सकते हैं। इसे रणनीतिक व्यवहार (strategic behavior) कहा जाता है।

लंबे समय से, कंप्यूटर वैज्ञानिक ऐसे एल्गोरिदम बनाने की कोशिश कर रहे हैं जो इन तरकीबों को पकड़ सकें और फिर भी सही छात्रों को चुन सकें। हालाँकि, इनमें से अधिकांश पुराने तरीकों ने एक बड़ी गलती की: उन्होंने यह मान लिया कि सिस्टम को गेम करने या धोखाधड़ी करने की लागत (cost) स्थिर और अपरिवर्तनीय थी।

पेपर का अंतर्दृष्टि (Insight):
लेखक तर्क देते हैं कि सिस्टम को गेम करने की लागत वास्तव में इस आधार पर बदलती है कि एल्गोरिदम आज क्या निर्णय लेता है।

इसे "Whac-A-Mole" के खेल की तरह समझें।

पुराना दृष्टिकोण: मोल (चूहे) को मारने के लिए हमेशा समान प्रयास की आवश्यकता होती है।
नया दृष्टिकोण: यदि आप बाईं ओर के मोल को मारने का निर्णय लेते हैं (SAT स्कोर पर ध्यान केंद्रित करते हैं), तो दाईं ओर के मोल (पाठ्येतर गतिविधियाँ/extracurriculars) अचानक सस्ते और आसान हो सकते हैं क्योंकि हर कोई उनकी ओर भागता है। आपका आज का निर्णय कल के खेल की कठिनाई को बदल देता है।

समस्या: "अल्पदर्शी" (Myopic) प्रवेश अधिकारी

कल्पना कीजिए कि एक प्रवेश अधिकारी जो केवल आज की परवाह करता है। वे SAT ट्यूटर्स की वर्तमान कीमतों को देखते हैं और कहते हैं, "ठीक है, SAT महंगे हैं, इसलिए छात्र उन्हें फर्जी नहीं बनाएंगे। चलिए SAT को अधिक महत्व देते हैं।"

लेकिन, क्योंकि उन्होंने SAT को सबसे महत्वपूर्ण बना दिया, रातों-रात एक नया सस्ता SAT ट्यूटर उद्योग खड़ा हो जाता है। अगले साल, यह बहुत सस्ता और आसान हो जाता है कि छात्र अपने SAT स्कोर को फर्जी बनाएं। अधिकारी के आज के निर्णय ने सिस्टम को कल के लिए असुरक्षित बना दिया।

पेपर इसे डिसीजन-डिपेंडेंट कॉस्ट अनसर्टेनिटी (Decision-Dependent Cost Uncertainty) कहता है। हेरफेर की "लागत" कोई स्थिर संख्या नहीं है; यह एक जीवित चीज़ है जो आपके द्वारा बनाए गए नियमों के प्रति प्रतिक्रिया करती है।

समाधान: "दूरदर्शी" (Farsighted) कोच

लेखक टू-स्टेज रोबस्ट ऑप्टिमाइज़ेशन (Two-Stage Robust Optimization) फ्रेमवर्क का उपयोग करके इन एल्गोरिदम को डिजाइन करने का एक नया तरीका प्रस्तावित करते हैं।

उपमा: एक शतरंज खिलाड़ी बनाम एक चेकर खिलाड़ी

पुराना तरीका (चेकर): एल्गोरिदम बोर्ड को देखता है और अभी के लिए सबसे अच्छा कदम उठाता है। वह यह नहीं सोचता कि इस चाल के आधार पर प्रतिद्वंद्वी अगली बारी में अपनी रणनीति कैसे बदलेगा।
नया तरीका (शतरंज): एल्गोरिदम दो चाल आगे की सोचता है। वह पूछता है: "यदि मैं आज SAT को बहुत अधिक महत्व देता हूँ, तो इससे अगले साल धोखाधड़ी करने की लागत कैसे बदलेगी? क्या इससे बुरे छात्रों के लिए सिस्टम को गेम करना सस्ता हो जाएगा?"

एल्गोरिदम आज एक थोड़ा "खराब" निर्णय लेने के लिए तैयार रहता है (शायद कुछ सीमावर्ती छात्रों को स्वीकार करना या SAT का भार थोड़ा कम करना) यदि इसका अर्थ यह है कि वह भविष्य को आकार दे सके ताकि गेमिंग करना सभी के लिए अविश्वसनीय रूप से महंगा और कठिन हो जाए।

उन्होंने यह कैसे किया (सरल भाषा में "गणितीय" हिस्सा)

इसके पीछे का गणित जटिल है क्योंकि भविष्य अनिश्चित है। एल्गोरिदम को ठीक से पता नहीं है कि अगले साल SAT की तैयारी कितनी सस्ती हो जाएगी, वह केवल इतना जानता है कि यदि वे SAT पर जोर देते हैं तो यह सस्ती हो जाएगी।

इसे हल करने के लिए, लेखकों ने:

एक "सबसे खराब स्थिति" (Worst-Case Scenario) बनाई: उन्होंने माना कि भविष्य की लागतें एक निश्चित सीमा (अनिश्चितता सेट) के भीतर कहीं भी हो सकती हैं।
सीमा को लचीला बनाया: महत्वपूर्ण रूप से, उन्होंने उस सीमा को ऐसा बनाया जो उनके द्वारा आज लिए गए निर्णय पर निर्भर करती है। यदि वे एक विशिष्ट नियम चुनते हैं, तो "संभावित भविष्य की लागतें" उस नियम के आधार पर सिकुड़ या फैल जाती हैं।
गणित को सरल बनाया: समीकरण इतने जटिल थे कि कंप्यूटर उन्हें सीधे हल नहीं कर सकते थे। लेखकों ने चतुर शॉर्टकट (अनुमान/approximations) का आविष्कार किया ताकि इस जटिल, गैर-रेखीय समस्या को एक सरल, रैखिक समस्या में बदला जा सके जिसे कंप्यूटर तेजी से हल कर सकें।

परिणाम: बाद में बहुत कुछ पाने के लिए अभी थोड़ा त्यागना

लेखकों ने कॉलेज प्रवेश (SAT स्कोर और पाठ्येतर गतिविधियों) के वास्तविक दुनिया के डेटा का उपयोग करके अपने तरीके का परीक्षण किया।

"अल्पदर्शी" एल्गोरिदम (बेसलाइन): इसने पहले दौर में बहुत अच्छा काम किया। इसने आज के नियमों के आधार पर छात्रों को पूरी तरह से चुना।
"दूरदर्शी" एल्गोरिदम (उनका तरीका): इसने पहले दौर में थोड़ा "खराब" काम किया। इसने तत्काल सटीकता का एक छोटा सा बलिदान दिया।

लेकिन यहाँ जादू है:
जब उन्होंने दूसरे दौर (भविष्य) को देखा, तो "दूरदर्शी" एल्गोरिदम ने प्रतियोगिता को पछाड़ दिया।

क्योंकि इसने अनुमान लगाया था कि इसके नियम गेमिंग की लागत को कैसे बदल देंगे, यह दूसरे दौर में छात्रों के लिए हेरफेर करना बहुत कठिन बनाने में सफल रहा।
सिस्टम को "गेम" करने वाले छात्रों की कुल संख्या नाटकीय रूप से गिर गई।
दोनों दौरों में मिलाकर गलतियों (अयोग्य छात्रों को प्रवेश देना) की कुल संख्या काफी कम हो गई।

निष्कर्ष

यह पेपर सिद्ध करता है कि यदि आप ऐसा एल्गोरिदम डिजाइन करते हैं जो यह समझता है कि उसके अपने नियम भविष्य में धोखाधड़ी करने की लागत को कैसे बदलते हैं, तो आप लोगों द्वारा सिस्टम को गेम करने से अधिक प्रभावी ढंग से रोक सकते हैं।

यह एक ऐसे शिक्षक की तरह है जो जानता है कि यदि वह केवल होमवर्क पर ग्रेड देता है, तो छात्र परीक्षाओं के लिए पढ़ना बंद कर देंगे और केवल होमवर्क में नकल करना शुरू कर देंगे। इसलिए, शिक्षक ग्रेडिंग के मानदंडों को इस तरह से मिलाता है कि सिस्टम के किसी भी हिस्से में नकल करना बहुत महंगा और कठिन हो जाए। आगे की सोचकर, वे लंबे समय के लिए एक निष्पक्ष प्रणाली बनाते हैं।

तकनीकी सारांश: निर्णय-निर्भर लागत अनिश्चितता के तहत सुदृढ़ रणनीतिक वर्गीकरण (Robust Strategic Classification under Decision-Dependent Cost Uncertainty)

1. समस्या का निरूपण (Problem Formulation)

यह शोध पत्र मौजूदा रणनीतिक वर्गीकरण साहित्य की एक महत्वपूर्ण सीमा को संबोधित करता है: यह धारणा कि एजेंटों द्वारा रणनीतिक हेरफेर (manipulation) की लागत स्थिर और क्लासिफायर के निर्णयों से स्वतंत्र होती है। वास्तव में, एल्गोरिदम के निर्णय भविष्य के एजेंटों के लिए लागत परिदृश्य (cost landscape) को अंतर्जात रूप से (endogenously) आकार दे सकते हैं। उदाहरण के लिए, एक विश्वविद्यालय के प्रवेश मानदंड (जैसे, SAT स्कोर बनाम पाठ्येतर गतिविधियों पर जोर देना) आगामी वर्षों में तैयारी सेवाओं की बाजार मांग और कीमतों को प्रभावित करते हैं, जिससे उन लागतों में परिवर्तन होता है जिनका सामना एजेंट सिस्टम को "गेम" करने का प्रयास करते समय करते हैं।

लेखक इसे डिसीजन-डिपेंडेंट अनिश्चितता (DDU) के साथ एक टू-स्टेज रोबस्ट ऑप्टिमाइज़ेशन (TSRO) समस्या के रूप में औपचारिक रूप देते हैं:

स्टेज 1: एक फर्म (क्लासिफायर) एक ज्ञात लागत मैट्रिक्स $\Sigma_0$ के तहत स्ट्रैटेजिक हिंज लॉस (strategic hinge loss) को कम करने के लिए एक लीनियर बाइनरी क्लासिफायर $\beta$ चुनती है।
स्टेज 2: फर्म यह अनुमान लगाती है कि उसका स्टेज 1 निर्णय $\beta$ , भविष्य की हेरफेर लागतों के अनिश्चितता सेट (uncertainty set) को प्रभावित करेगा। विशेष रूप से, स्टेज 2 में लागत मैट्रिक्स $\Sigma(\omega)$ , एक डिसीजन-डिपेंडेंट अनिश्चितता सेट $\Omega(\beta)$ से प्राप्त एक रैंडम वेक्टर $\omega$ पर निर्भर करता है।
उद्देश्य: फर्म एक ऐसा क्लासिफायर $\beta$ चाहती है जो अनिश्चितता सेट $\Omega(\beta)$ पर सबसे खराब स्थिति वाले नुकसान (worst-case loss) को कम करे, इस तथ्य को ध्यान में रखते हुए कि $\omega$ के प्रकट होने के बाद स्टेज 2 क्लासिफायर $\beta'$ को फिर से अनुकूलित किया जाएगा।

मुख्य चुनौती यह है कि अनिश्चितता सेट $\Omega(\beta)$ को $\beta$ के साथ लीनियर असमानताओं द्वारा परिभाषित किया गया है (अर्थात, $F(\beta)\omega \leq h + G\beta$ ), और लागत मैट्रिक्स $\Sigma(\omega)$ ऑब्जेक्टिव फंक्शन में ड्यूल-नॉर्म टर्म $\|\beta'\|_{*, \Sigma(\omega)}$ के माध्यम से दिखाई देता है। यह एक नॉन-लीनियर, नॉन-कॉन्वेक्स और डिसीजन-डिपेंडेंट संरचना बनाता है जो मानक रोबस्ट ऑप्टिमाइज़ेशन तकनीकों के प्रत्यक्ष अनुप्रयोग को रोकता है।

2. कार्यप्रणाली (Methodology)

इस जटिल समस्या को हल करने के लिए, लेखक अनुक्रमिक सन्निकटन (approximations) और पुनर्गठन (reformulations) का प्रस्ताव करते हैं ताकि समस्या को कॉलम-एंड-कॉन्स्ट्रेंट जनरेशन (C&CG) एल्गोरिदम (विशेष रूप से बेंडर्स डिकंपोजिशन) द्वारा हल करने योग्य रूप में बदला जा सके।

2.1. सन्निकटन और पुनर्गठन (Approximations and Reformulations)

ड्यूल-नॉर्म सन्निकटन (Dual-Norm Approximation): लेखक जटिल, अनिश्चितता-निर्भर ड्यूल नॉर्म $\|\beta'\|_{*, \Sigma(\omega)}$ को नॉर्म इक्विवेलेंस थ्योरम्स से प्राप्त एक लीनियर करने योग्य ऊपरी सीमा (upper bound) से बदलते हैं:
$\|\beta'\|_{*, \Sigma(\omega)} \leq M \|\Sigma(\omega)^{-1/2}\|_\infty \|\beta'\|_\infty$
यह चरण ऑब्जेक्टिव में अनिश्चितता सेट से जुड़ी नॉन-लिनैरिटी को हटाने के लिए महत्वपूर्ण है। लेखक नोट करते हैं कि यह सन्निकटन एक विषमता (asymmetry) पेश करता है जो रणनीतिक वर्गीकरण में फायदेमंद है: यह अयोग्य एजेंटों द्वारा फीचर्स को हेरफेर करके गलत सकारात्मक (false positives) प्राप्त करने के विरुद्ध एक रूढ़वादी (robust) सीमा प्रदान करता है, जबकि योग्य एजेंटों के लिए कम रूढ़वादी होता है।
ऑब्जेक्टिव का लीनीकरण (Linearization of the Objective):
- हिंज लॉस में मैक्स-ऑपरेटर को ऑक्सिलरी वेरिएबल्स का उपयोग करके लीनियर किया गया है।
- इन्फिनिटी नॉर्म्स ( $\|\cdot\|_\infty$ ) को अतिरिक्त वेरिएबल्स और बाधाओं का उपयोग करके लीनियर किया गया है।
- यह प्रक्रिया बिलिनियर टर्म्स (निर्णय वेरिएबल्स और अनिश्चितता मापदंडों के उत्पाद, जैसे, $t_q \cdot t_\omega$ ) पेश करती है।
मैकोरम एनवेलप्स (McCormick Envelopes): बिलिनियर टर्म्स को संभालने और दूसरे चरण के ऑब्जेक्टिव से निर्णय-निर्भरता को हटाने के लिए, लेखक मैकोरम एनवेलप्स लागू करते हैं। यह बिलिनियर टर्म्स को लीनियर बाधाओं में ढीला (relax) कर देता है, बशर्ते वेरिएबल्स की सीमाएं ज्ञात हों। यह दूसरे चरण की समस्या को एक लीनियर प्रोग्राम (LP) में बदल देता है।

2.2. समाधान एल्गोरिदम (Solution Algorithm)

पुनर्गठित समस्या एक ट्राई-लेवल लीनियर ऑप्टिमाइज़ेशन समस्या (Min-Max-Min) बन जाती है। लेखक इसे बेंडर्स C&CG एल्गोरिदम का उपयोग करके हल करते हैं:

मास्टर प्रॉब्लम: दूसरे चरण के ड्यूल से एक्सट्रीम पॉइंट्स और रेज़ (rays) के एक उपसमूह का उपयोग करके, पहले चरण के निर्णय $\beta$ और सबसे खराब स्थिति वाले नुकसान के निचले स्तर (lower bound) के लिए हल करती है।
सब-प्रॉब्लम्स (Subproblems):
- फिजिबिलिटी चेक (SP1): यह सत्यापित करता है कि क्या वर्तमान $\beta$ सभी $\omega \in \Omega(\beta)$ के लिए एक व्यवहार्य दूसरे चरण के समाधान की अनुमति देता है।
- ऑप्टिमैलिटी चेक (SP2/SP3): सबसे खराब स्थिति वाले वास्तविक रूप $\omega^*$ और संबंधित ड्यूल वेरिएबल्स (एक्सट्रीम पॉइंट्स या रेज़) की पहचान करता है ताकि ऑप्टिमैलिटी या फिजिबिलिटी कट्स उत्पन्न किए जा सकें।
एल्गोरिदम अभिसरण (convergence) तक मास्टर प्रॉब्लम को बार-बार रिफाइन करता है।

3. मुख्य योगदान (Key Contributions)

नया समस्या निरूपण: यह पहली कृति है जो औपचारिक रूप से उस रणनीतिक वर्गीकरण को मॉडल और विश्लेषण करती है जहाँ हेरफेर की लागत पिछले क्लासिफायर निर्णयों के आधार पर अंतर्जात रूप से विकसित होती है। यह स्टेटिक अनिश्चितता से आगे बढ़कर डिसीजन-डिपेंडेंट अनिश्चितता की ओर बढ़ता है।
एल्गोरिदम ढांचा: शोध पत्र एक विशिष्ट सन्निकटन सेट (ड्यूल-नॉर्म बाउंडिंग, मैकोरम एनवेलप्स) प्रस्तावित करता है जो एक जटिल, नॉन-लीनियर, डिसीजन-डिपेंडेंट TSRO समस्या को मानक C&CG विधियों के माध्यम से हल करने योग्य बनाता है।
सैद्धांतिक अंतर्दृष्टि: लेखक प्रदर्शित करते हैं कि प्रस्तावित ड्यूल-नॉर्म सन्निकटन न केवल गणनात्मक सुगमता (computational tractability) में मदद करता है, बल्कि योग्य एजेंटों के रणनीतिक समायोजन की तुलना में हानिकारक हेरफेर (गलत सकारात्मक) को रोकने को प्राथमिकता देकर मजबूती (robustness) को भी बढ़ाता है।

4. प्रयोगात्मक परिणाम (Experimental Results)

लेखक अपने दृष्टिकोण को सिंथेटिक डेटा और विश्वविद्यालय प्रवेश सांख्यिकी (SAT स्कोर और पाठ्येतर गतिविधियाँ) पर आधारित एक सेमी-सिंथेटिक डेटासेट का उपयोग करके मान्य करते हैं। वे अपने डिसीजन-डिपेंडेंट (DD) क्लासिफायर की तुलना डिसीजन-इंडिपेंडेंट (DI) बेसलाइन (जो भविष्य की लागतों और निर्णयों के बीच फीडबैक लूप को अनदेखा करता है) से करते हैं।

मुख्य निष्कर्ष:

सेकंड-स्टेज प्रदर्शन: DD क्लासिफायर सेकंड स्टेज में DI क्लासिफायर से काफी बेहतर प्रदर्शन करता है। विश्वविद्यालय प्रवेश प्रयोग में, DD क्लासिफायर ने सेकंड-स्टेज 0-1 लॉस को 23.74% (DI) से घटाकर 7.43% (DD) कर दिया और हेरफेर को 18.33 से घटाकर 2.50 कर दिया।
सुधार का तंत्र: DD क्लासिफायर इसे अनिश्चितता सेट $\Omega(\beta)$ को रणनीतिक रूप से आकार देकर प्राप्त करता है। यह एक ऐसा पहला चरण का क्लासिफायर चुनता है जिसके परिणामस्वरूप दूसरे चरण के लिए एक छोटा अनिश्चितता सेट प्राप्त होता है, जिससे प्रभावी रूप से भविष्य के एजेंटों के लिए हेरफेर अधिक महंगा हो जाता है।
ट्रेड-ऑफ: DD क्लासिफायर दीर्घकालिक मजबूती प्राप्त करने के लिए पहले चरण के प्रदर्शन में मामूली गिरावट (लॉस 25.92% से बढ़कर 26.80% हुआ) स्वीकार करता है। कुल लॉस दोनों चरणों में 49.66 (DI) से घटकर 34.23 (DD) हो गया।
स्केलेबिलिटी: यह विधि उचित गणना समय के साथ उच्च-आयामी फीचर स्पेस (60 आयामों तक) में स्केल करती है (60 आयामों के लिए अधिकतम 132 सेकंड), जो ब्रूट-फोर्स सर्च (जिसमें ~4.88 घंटे लगे) की तुलना में काफी तेज़ है।
सन्निकटन की गुणवत्ता: ऑप्टिमैलिटी गैप विश्लेषण दिखाता है कि हालांकि लीनियर सन्निकटन एक अंतर (गैप) पैदा करते हैं (जैसे, पूरी तरह से लीनियर मॉडल के लिए ~24.5% बनाम ब्रूट-फोर्स), पहले चरण की नॉन-लिनैरिटी को ढीला करने और मैकोरम बाउंड्स को ट्यून करने से इस गैप को काफी कम किया जा सकता है (उच्च कम्प्यूटेशनल लागत के साथ ~0.22% तक)।

5. महत्व और दावे (Significance and Claims)

शोध पत्र दावा करता है कि समय के साथ विकसित होने वाली, निर्णय-निर्भर लागतों को ध्यान में रखना एल्गोरिदम प्रणालियों में गेमिंग (gaming) को कम करने के लिए एक नया लीवर प्रदान करता है। लेखक तर्क देते हैं कि:

रणनीतिक त्याग (Strategic Sacrifice): निर्णय लेने वाले भविष्य के एजेंटों के लिए लागत संरचना को बदलने के लिए अल्पकालिक सटीकता का त्याग करके दीर्घकालिक सिस्टम मजबूती में सुधार कर सकते हैं।
प्रोत्साहन को आकार देना (Shaping Incentives): पारंपरिक रोबस्ट विधियों के विपरीत जो केवल अनिश्चितता को कम करती हैं, यह दृष्टिकोण सक्रिय रूप से रणनीतिक प्रतिक्रियाओं को आकार देता है, जिससे समय के साथ हेरफेर अधिक महंगा हो जाता है।
वास्तविक दुनिया की प्रासंगिकता: यह ढांचा विश्वविद्यालय प्रवेश, ऋण देने और भर्ती जैसे डोमेन द्वारा प्रेरित है और उन पर लागू होता है, जहाँ नीतिगत निर्णय (जैसे, टेस्ट-ऑप्शनल नीतियां) आवेदकों के लिए उपलब्ध लागतों और विकल्पों पर दस्तावेजी दीर्घकालिक प्रभाव डालते हैं।

लेखक विनम्र रहते हुए नोट करते हैं कि उनका विश्लेषण शैलीबद्ध धारणाओं (जैसे, लागत विकास के लिए विशिष्ट कार्यात्मक रूप) पर निर्भर करता है और भविष्य के कार्यों में इन विधियों को मल्टी-स्टेज समस्याओं में विस्तारित करने और अधिक जटिल, वास्तविक दुनिया के परिवेश में डेटा से अनिश्चित लागतों को सीखने की आवश्यकता है। वे इस बात पर जोर देते हैं कि प्रस्तावित ढांचा एल्गोरिदम निर्णयों और मानव रणनीतिक व्यवहार के बीच फीडबैक लूप को समझने और प्रबंधित करने के लिए एक सैद्धांतिक आधार प्रदान करता है।