CHRONOS: Temporally-Aware Multi-Agent Coordination for Evolving Data Marketplaces
CHRONOS 是一种面向时序知识图谱数据市场的三层架构，它通过统一基于神经 ODE 的召回优化、感知变化点的 Shapley 定价以及 EXP3-IX 差分隐私，以解决在演进数据环境中陈旧索引、价值误判和预算过度消耗这三类耦合失效问题。
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
想象一个繁忙、高科技的“数字农夫市集”，其中农民（数据卖家）带来新鲜农产品（知识图谱数据）出售给厨师（买家）。但关键在于：这个市集时刻在变。新作物每日出现，旧作物腐烂，而天气（市场趋势）变幻莫测。
本文介绍了 CHRONOS，一个旨在让该市集在数据演变过程中仍能公平、快速且安全运行的新系统。它解决了通常会导致此类市集崩溃的三个主要问题：
1. “过时地图”问题（索引）
问题所在：想象市集有一张预先绘制好的巨型地图（索引），标明了摊位间的最快捷径。如果农民搬了摊位，或新路径开通，旧地图就会出错。在数字层面，数据中的“捷径边”会变得过时，导致系统遗漏优质结果（召回率低）。
CHRONOS 的解决方案（T-LEGEND）：CHRONOS 并非每次都在重绘整张地图（这既慢又昂贵），而是采用一种“智能衰减”引擎（神经常微分方程）。这就像一张地图，能自动淡化陈旧、未被使用的路径，并根据路径被使用的近期程度来高亮显示新路径。
- 结果：系统能精确知晓随着地图略微过时可能损失的准确度，提供数学上的“安全保证”，确保结果不会低于某一水平。
2. “不公平定价”问题（估值）
问题所在：如何公平地支付农民？通常，系统使用静态公式（如沙普利值）来计算每位农民对一道菜的贡献。但如果突然发生趋势变化（例如，因健康恐慌大家突然都想买羽衣甘蓝），羽衣甘蓝的价值就会飙升。静态公式仍按旧价格支付，这并不公平。
CHRONOS 的解决方案（事件条件化 MPV）：CHRONOS 充当一位“趋势洞察经理”。它监测“变化点”（买家需求的突然转变）。一旦检测到转变，它便立即基于新现实而非旧现实重新计算数据价值。
- 结果：农民根据数据的当前价值获得报酬，确保即使市场剧烈波动，激励依然公平。
3. “共享电池”问题（协调）
问题所在：市集拥有有限的“隐私电池”（差分隐私预算）。每当系统更新地图或重新计算价格时，都会消耗部分电量。如果太多代理同时尝试这样做，电池就会耗尽，市集将停止保护个人隐私。
CHRONOS 的解决方案（时间协调器）：这是“交通控制器”。它使用一种智能调度算法（EXP3-IX）来决定何时更新地图、何时重新计算价格。它将工作分散开来，使电池续航更久，确保市集尽可能长时间地保持开放和隐私安全。
- 结果：系统在耗尽隐私保护之前完成了最多工作。
“可信策展人”与“噪声”的权衡
CHRONOS 在“可信策展人”模型下运行。想象一位中立的市场管理者，持有所有原始数据。
- 公开与隐私：管理者利用公开、既有的数据构建主地图（无隐私成本）。来自农民的私有、敏感数据仅用于在发布前为摘要表添加一层“噪声”（随机干扰）。
- 权衡：论文承认，这份“摘要表”（隐私保护后的数据）噪声很大。这就像试图在嘈杂的风扇声中听清耳语。你无法读出表上的确切数字。
- 变通方法：然而，系统无需完美读取这些噪声数字即可运行。它利用公开地图定位正确区域，而噪声摘要仅帮助管理者决定何时更新内容。在支付农民时，系统采用特殊的“多轮次”方法：随时间平均化噪声（如同平均多份嘈杂的天气报告），以获得可靠趋势，从而在不泄露个人秘密的情况下实现公平支付。
核心结论
CHRONOS 是一个三层系统，它：
- 保持地图新鲜，而无需从头重建。
- 基于实时市场波动公平支付农民。
- 像精明的会计一样管理隐私预算，确保其不会耗尽。
论文声称，该系统达到了一个甜蜜点：速度快（约每秒 2.7 次查询）、准确（93.7% 召回率），并保持强大的隐私性（特定的隐私评分为 4.25），同时能处理多达 500 名卖家。它证明，只要接受原始私有数字被噪声面纱隐藏，而由系统逻辑承担繁重工作，你就可以拥有一个既实用又隐私的动态演变数据市场。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。