연구진은 예산 기반 조합 멀티-암드 반딧불 문제(BCMAB-FBF)에서 공정성을 확보하기 위한 새로운 프레임워크를 제안했습니다. BCMAB-FBF는 개별 암의 기여도를 정확히 파악하기 어려워 기존 방식보다 훨씬 까다로운 문제입니다.
연구진은 협력 게임 이론의 해법인 Shapley 값을 확장하여 K-Shapley 값을 제시하고, 이를 통해 개별 암의 기여도를 추정하는 알고리즘 K-SVFair-FBF를 개발했습니다. K-SVFair-FBF는 불확실한 가치 함수를 적응적으로 추정하며, 몬테카를로 근사 과정에서 발생하는 노이즈를 줄입니다.
실험 결과, K-SVFair-FBF는 연합 학습 및 소셜 영향력 최대화 데이터셋에서 기존 방식보다 공정성을 확보하고 더 효과적으로 작동하는 것으로 나타났으며, 공정성 후회(fairness regret)는 O(T^(3/4))의 성능을 보였습니다.