본 논문은 알고리즘 의사 결정 시스템을 조작하는 사용자의 비용이 정책에 따라 변동하는 점을 고려한 새로운 최적화 프레임워크를 제안합니다. 기존 연구는 조작 비용이 고정되어 있다고 가정했지만, 실제로는 알고리즘의 과거 의사 결정에 따라 변동합니다. 정책 의존적 비용을 인지하면 불확실성을 줄이고 시간이 지남에 따라 알고리즘 시스템의 조작을 억제할 수 있습니다.
본 연구는 두 단계의 강력한 최적화 프레임워크를 활용하여 정책 의존적 비용을 반영하는 불확실성 집합을 모델링합니다. 이는 오늘날의 의사 결정이 내일의 비용에 영향을 미치는 현실을 반영합니다. 이 프레임워크는 알고리즘 시스템의 장기적인 안정성을 향상시키는 데 기여합니다.
본 논문은 전략적 분류 분야의 기존 연구의 한계를 극복하고, 알고리즘 의사 결정 시스템의 조작 가능성을 줄이는 데 기여할 것으로 기대됩니다. 특히 정책 의존적 비용을 고려함으로써, 알고리즘의 성능과 신뢰성을 더욱 향상시킬 수 있습니다.