🤖 machine learning

SMaRT: Online Reusable Resource Assignment and an Application to Mediation in the Kenyan Judiciary

受肯尼亚司法系统中为案件分配调解员这一挑战的启发，本文引入了 SMaRT，这是一种结合了二次规划与多智能体多臂老虎机学习的在线算法，旨在通过在平衡容量约束与调解员质量学习的同时，高效地在高维状态空间内分配资源。

原作者： Shafkat Farabi, Didac Marti Pinto, Wei Lu, Manuel Ramos-Maqueda, Sanmay Das, Antoine Deeb, Anja Sautmann

发布于 2026-06-30

📖 1 分钟阅读☕ 轻松阅读

原作者： Shafkat Farabi, Didac Marti Pinto, Wei Lu, Manuel Ramos-Maqueda, Sanmay Das, Antoine Deeb, Anja Sautmann

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下肯尼亚的法院系统就像一个繁忙、拥挤的大型医院急诊室。每天，都有数百名新患者（法律案件）走进大门。为了治疗他们，医院配备了一支专家团队（调解员）。然而，存在三个大问题：

专业化： 并非每位专家都能治疗所有类型的患者。有些只处理“家庭事务”，有些只处理“商业纠纷”，还有些只被允许在特定的城市工作。
技能未知： 医院并不总是确切知道一位专家的水平如何，即他们在促成双方达成协议方面的能力如何；有些人是谈判高手，而另一些人则表现挣扎。此外，新的专家也在不断加入团队。
“不得等待”规则： 在这个急诊室里，你不能告诉患者：“明天有专家空闲时再来。”他们必须被立即分配给一名专家。

这篇论文介绍了一种名为 SMaRT（为任务选择合适的调解员）的新型“智能分诊系统”，旨在解决这一乱象。

旧方法：“轮转式”调度

以前，人类官员试图手动将患者与专家进行匹配。这就像一场规则不断变化的“抢椅子”游戏。

他们经常把同一个“明星”专家分配给太多的患者，导致其精疲力竭（过载）。
他们有时会将困难的案件交给并不擅长此类业务的专家，仅仅是因为该专家当时正好有空。
结果是？许多患者在未达成解决方案的情况下离开，不得不返回主法院，从而造成了巨大的积压。

新系统：SMaRT

SMaRT 是一个算法，充当着超级聪明、不知疲倦的调度员。它使用两个主要技巧来做出更好的决策：

1. “教师成绩单”（学习技能）

正如学校会追踪老师对学生进步的帮助程度一样，SMaRT 会追踪调解员如何帮助案件得到解决。

猜谜游戏： 当一名新调解员加入时，系统并不知道他们的技能水平。它会从一个猜测开始。
更新机制： 随着调解员处理案件，系统会更新其对该调解员能力的“信念”。如果他们不断解决案件，系统就会更加确信他们是明星；如果他们表现挣扎，系统就会降低对他们的评估。
平衡之道： 系统知道它既需要尝试新的调解员（以观察他们是否优秀），也需要使用那些已知优秀的调解员。这就像一位家长在信任老保姆的同时，也会尝试新的保姆。

2. “面向未来”的数学（二次规划）

这是最聪明的部分。一个简单的系统可能会说：“把这个案子交给现在手头最优秀的可用专家。”但 SMaRT 会向前看一步。

类比： 想象你有一位出色的国际象棋选手（专家 A），他可以同时在两个棋盘（城市 A 和城市 B）上对弈；还有一个水平尚可的选手（专家 B），但他只能在棋盘 A 上对弈。

“贪婪”的错误： 如果棋盘 A 出现了一局比赛，一个“贪婪”的系统会立即把这位出色的选手派过去。但随后，棋盘 B 也出现了一局比赛，此时出色的选手已经太忙了，系统被迫在棋盘 B 上使用一名水平极差的选手。
SMaRT 的策略： SMaRT 可能会说：“让我们把这位出色的选手留给棋盘 B，即使这意味着现在只能让那位水平尚可的选手去处理棋盘 A 的比赛。”它接受今天胜率略微降低的可能性，以确保明天有更高的获胜机会。

为了实现这一点，SMaRT 使用了一个数学公式（二次规划），它充当了一个惩罚机制。

它希望解决尽可能多的案件。
但它也讨厌让专家过载。
系统有一个“旋钮”（一个称为 $\lambda$ 的参数）。如果你把旋钮调大，系统会对防止过载变得非常严格，即使这意味着解决的案件数量会略微减少。如果你把它调小，系统就会推动最优秀的专家处理更多案件，即便这意味着他们可能会感到疲劳。

测试结果如何？

研究人员使用来自肯尼亚司法系统的真实数据（超过 30,000 个案件和 2,000 名调解员）对 SMaRT 进行了测试。

更好的结果： 与旧的人工方法或简单的“挑选最优秀的可用专家”算法相比，SMaRT 解决的案件更多。
更公平的工作量： 它防止了“明星”调解员因工作过多而被压垮，使工作量分配得更加均匀。
灵活性： 通过调节“旋钮”，法院可以决定：“我们是想在今天解决尽可能多的案件，还是想确保没有人过度劳累？”

核心结论

论文声称 SM aRT 已准备好成为肯尼亚法院新数字化工具背后的“大脑”。目前，它正准备接受一项现实世界的测试（随机对照试验），以观察它是否能正式取代旧的人工系统。如果它在模拟实验中的表现能如实反映在现实中，它将有助于清理法院积压，并确保案件由合适的人在合适的时间处理，同时避免调解员精疲力竭。

技术摘要：SMaRT —— 肯尼亚司法系统中在线可重用资源分配研究

问题定义
本文探讨了在肯尼亚法院附设调解（CAM）系统中，将调解员分配给民事案件所面临的挑战。这是一个在线资源分配问题，具有三个特定的约束条件，使得现有算法（如标准的多元臂老虎机或带背包的臂老虎机）效率低下或无法适用：

未知且依赖学习的质量： 调解员的有效性（增值，Value Added 或 VA）并非预先已知，必须随时间进行学习。新调解员不断进入系统，系统必须在平衡探索与利用之间，对他们的表现进行估计。
软性、动态的容量约束： 与假设严格、不可补充限制的“带背包的臂老虎机”（BwK）不同，调解员的容量会随着案件的解决而补充。然而，系统要求在案件到达时立即进行分配，这导致了超过容量（过载）的非零概率。虽然司法部门希望调解员同时处理不超过三个案件，但超过此限额属于“软性”约束，而非硬性禁止。
高维状态空间与异质认证： 系统拥有超过 2,000 名调解员，他们在 87 个法院站点和 12 种案件类型中拥有不同的认证。只有当调解员针对特定的（站点，案件类型）对具备认证时，才能被分配到该案件。这创造了一个复杂的二分匹配问题，其中资源的可用任务集是重叠且各具差异的。

目标是在最大化整体案件解决率（协议率）的同时，管理好分配最优调解员与遵守容量约束之间的权衡，以确保工作量分配的公平性。

方法论
作者提出了 SMaRT（选择最适合任务的调解员）算法，该算法整合了计量经济学估计、贝叶斯学习和二次规划。

增值（VA）估计：
- 作者改编了一种常用于教育研究的增值模型，用以估计调解员的贡献。该模型将案件解决结果对案件控制变量（类型、站点、时间）及调解员固定效应进行回归。
- 为了处理不确定性并实现在线学习，系统为每个调解员维护一个高斯信念分布。
- 更新机制： 在观察到案件结果后，通过矩匹配（moment matching）更新后验分布。为了防止由于显式估计导致的漂移，系统每周使用全量 VA 估计程序对历史数据进行重新校准。
二次规划（QP）公式化：
- 将分配决策建模为针对短时间跨度（ $T=10$ ）的二次规划问题。
- 目标函数： 最大化预期解决概率之和（调解员 VA + 基础案件概率），并减去容量违规的二次惩罚项。
- 约束条件：
  - 所有到达的实际案件必须被分配（硬约束）。
  - “影子案件”（从分布中采样的未来案件）可能会保持未分配状态，以模拟未来需求。
  - 软容量： 该约束允许调解员超过容量，但违规行为通过松弛变量 $\xi_u$ 进行捕捉。目标函数会对 $\xi_u^2$ 进行惩罚，通过一个权衡参数 $\lambda$ 来控制过载惩罚的严厉程度。
- 这种公式化方法允许算法“保留”高绩效调解员，以应对未来高价值的案件（机会成本），而不是贪婪地将他们分配给当前的案件，从而可能导致过载。
分配算法：
- 案件到达时，系统构建一个包含当前案件、影子案件和合格调解员的状态图。
- 通过求解 QP 问题获得分数分配（fractional assignments）。
- 算法将到达的案件分配给在 QP 解中具有最高分数分配比例的调解员。
- 变体： 本文测试了两种学习变体：
  - SMaRT(E)： 使用 VA 信念的均值（侧重于利用）。
  - SMaRT(S)： 从信念分布中采样 VA（类似于汤普森采样式的探索）。

核心贡献

新颖的算法框架： SMaRT 是首个结合了在线学习代理质量、软性且可补充容量约束以及高维异质认证环境的算法。它超越了 BwK 的“硬约束”假设以及其他可重用资源算法（如 OM-RR-PA）的“延迟分配”假设。
可调权衡： 二次惩罚参数 $\lambda$ 使管理者能够明确调节系统行为，在容量约束的严格程度与整体案件解决率之间进行权衡。
影子价格的可解释性： QP 的对偶变量提供了调解员的“影子价格”，为理解其在不同语境下的边际价值提供了可解释的指标，有助于理解“保留”机制。

结果
作者使用程式化模拟和来自肯尼亚司法部门（2016–2025 年，约 30,600 个案件）的真实数据验证了 SMaRT。

程式化场景： SMaRT 始终优于基准模型（最小负载法、贪婪法、汤普森采样法）。在一名高绩效调解员被多个单元共享的场景中，SMaRT 成功避免了过度负载该调解员的“贪婪陷阱”，而是通过分配案件来为未来的高价值机会保留容量。
真实数据模拟（已知 VA）： 当调解员的 VA 已知时，采用低 $\lambda$ 值的 SMaRT 能够达到接近理论“上限”（即为每个案件分配绝对最佳调解员）的协议率，同时与纯贪婪方法相比，其过载（OCDM）显著降低，且公平性（较低的基尼系数）更好。
真实数据模拟（学习 VA）：
- 空白初始化： 在没有任何先验知识的情况下，容量约束自然诱导了充分的探索，使得基于均值的 SMaRT(E) 在对抗贪婪基准模型方面表现出色。
- 热启动初始化： 当利用历史数据进行初始化时，基于采样的 SMaRT(S) 显著优于 Greedy 和 TS* 基准模型。它成功识别出了被贪婪方法忽视的高绩效但经验较少的调解员，在实现更高协议率的同时保持了更低的过载。
可调性： 增加 $\lambda$ 会减少过载并提高公平性（降低基尼系数），但代价是协议率略有下降，这证明了系统的灵活性。

意义与主张
本文声称 SMaRT 为一个复杂的现实世界资源分配问题提供了切实有效的解决方案，而现有的文献由于软性约束、即时分配要求以及学习需求这三者的特定结合，无法直接解决该问题。

作者指出，基于这些结果，他们计划将 SMaRT 作为司法部数字平台（Cadaster）中“智能分配”功能的后端。目前已批准进行随机对照试验（RCT）以在实践中测试该系统。其意义不仅在于算法层面的贡献，还在于其在提升公共部门效率、减少司法积压、降低成本以及实现调解员工作分配公平性方面的潜力。论文强调，该设计是在与肯尼亚司法部门密切合作并识别出运营约束的基础上完成的，确保了算法在现实环境中的可行性。