近年来，联盟学习已被视为一种在众多学习代理之间实现协作的方法。但是，对于分配协议用于社区学习以维持此类协作的个人资源时，协作协议应如何考虑代理商的激励机制知之甚少。受游戏理论概念的启发，本文介绍了一种在联合学习中用于激励意识学习和数据共享的框架。我们的稳定和无羡慕的平衡体现了合作者在有兴趣满足他们的学习目标的同时保持他们自己的样本收集负担低的兴趣的合作理念。例如，在无羡慕的平衡中，没有任何代理人希望与其他任何代理人交换采样负担，并且在稳定的平衡中，没有代理商愿意单方面减轻他们的抽样负担。除了使这个框架正式化之外，我们的贡献还包括表征这种平衡的结构特性，证明它们何时存在以及如何计算它们。此外，当人们忽略代理人的激励时，我们将激励意识协作的样本复杂性与最优协作的样本复杂性进行了比较。



"点击查看英文标题和摘要"