Reinforcement Mechanism Design, with Applications to Dynamic Pricing in Sponsored Search Auctions
在这项研究中，我们采用强化学习技术，并提出我们所谓的强化机制设计，以解决动态定价问题，赞助搜索拍卖。与之前严重依赖理性和投标人之间的常识的博弈论方法相比，我们采取了数据驱动的方法，并试图通过重复的交互来学习最优保留价。我们实现我们的方法在当前的赞助搜索框架内的主要搜索引擎：我们首先训练买方行为模型，通过一个真正的投标数据集，准确地预测出价给定的信息，投标人都知道，包括游戏参数披露的搜索引擎，以及投标人的KPI数据从以前的回合。然后，我们提出了一个增强/MDP（马尔可夫决策过程）为基础的算法，随着时间的推移，优化保留价格，在一个类似GSP的拍卖。我们的模拟表明，我们的框架优于静态优化策略，包括目前正在使用的，以及其他几个动态的。
2017-11-28 cs.GT
Bandits for Sponsored Search Auctions under Unknown Valuation Model: Case Study in E-Commerce Advertising
Eindhoven University of Technology（埃因霍温理工大学）；Zalando SE（扎兰多股份公司）
针对赞助搜索拍卖估值未知、反馈无假设约束的问题，提出适配黑盒拍卖与延迟批量反馈的多臂老虎机出价系统，经Zalando案例验证可有效提升拍卖盈利能力。
2024-05-14 cs.AI cs.GT cs.LG
Multi-Armed Bandit Mechanisms for Multi-Slot Sponsored Search Auctions
在当前被搜索引擎广泛使用的按点击付费赞助的搜索拍卖中，针对关键字的拍卖涉及一定数量的广告商（例如k）竞争可用的位置（例如m）以显示他们的广告。这种拍卖通常进行多轮（比如T轮）。存在与每个座席-时隙对相关联的点击概率mu_ij。搜索引擎的目标是广告主的社会福利最大化，即广告主的价值总和。搜索引擎不知道广告商对于点击他们各自的广告所具有的真实值，并且也不知道点击概率mu_ij s。因此，搜索引擎的关键问题是在拍卖的T轮期间学习这些点击概率，并且还确保拍卖机制是真实的。最近已经引入了用于解决这种学习和激励问题的机制，并且被恰当地称为多武装强盗（MAB）机制。当m = 1时，真实MAB机制的特征在文献中可用，并且已经表明，这种机制的遗憾将是O（T^{2/3}）。在本文中，我们试图在现实的，但非平凡的一般情况下，当m > 1，得到一个特征，并得到几个有趣的结果。
2010-01-17 cs.GT
Fair Equilibria in Sponsored Search Auctions: The Advertisers' Perspective
在这项工作中，我们引入了一类新的机制组成的一个传统的广义第二价格（GSP）拍卖和公平的划分方案，以达到一些所需的水平之间的贝叶斯策略广告客户群体的公平性。我们提出了两种机制，$β$ -公平的GSP和GSP-EFX，组成GSP，分别与一个envy-free多达一个项目，和一个envy-free多达任何项目公平划分计划。调整普惠制的付款，以补偿因公平划分阶段而遭受效率损失的广告客户。我们调查的战略学习的影响，部署赞助搜索拍卖机制，遵守这样的公平标准。我们证明，对于这两种机制，如果投标人发挥，以尽量减少他们的外部遗憾，他们保证达到一个均衡与良好的社会福利。我们还证明了预算平衡的机制，使传统的普惠制机制收取的费用是一个很好的代理提供给广告商的总报酬。最后，我们通过对真实数据的实验来评估分配的质量。
2022-10-18 cs.GT
Designing Truthful Contextual Multi-Armed Bandits based Sponsored Search Auctions
IIIT Hyderabad（印度国际信息技术研究所海得拉巴分校）；IIT Ropar（印度理工学院罗帕尔分校）
对于赞助搜索拍卖，我们考虑了策略代理存在的上下文多臂强盗问题。在这种设置中，在每一轮，广告平台（中心）运行拍卖以选择与用户发布的查询相关的最适合的广告。选择具有高期望值的广告（即，从广告的点击得到点击$\times$值的概率）。获得点击的概率（CTR）对于中心来说是未知的，并且取决于发布查询的用户的简档（上下文）。此外，对于点击导出的值是广告商的私人信息，因此需要如实地引出。在这种设置中的现有解决方案是不实用的，因为它遭受非常高的遗憾（$O(T^{\frac{2}{3}})$）。
2020-02-26 cs.GT cs.LG
Practical Constrained Optimization of Auction Mechanisms in E-Commerce Sponsored Search Advertising
Alibaba Group（阿里巴巴集团）；Tantan（探探）
亚马逊、淘宝和天猫等电子商业平台的赞助搜索为卖家提供了一种有效的方式，以达到最相关的目的。本文研究了阿里巴巴移动电子商业平台上赞助搜索中的拍卖机制优化问题。除了创造收入外，我们还应该保持一个拥有大量优质用户的高效市场，保证广告商的合理投资回报率（ROI），同时为用户提供愉快的购物体验。这些要求本质上提出了一个约束优化问题。直接优化拍卖参数会产生一个不连续的，非凸的问题，否认有效的解决方案。我们的主要贡献之一是一个实用的凸优化制定的原始问题。我们设计了一种新的重新参数化的拍卖机制离散集的代表性的情况下。为了构造优化问题，我们建立了一个拍卖模拟系统，通过重放从真实在线请求记录的拍卖来估计所选参数的业务指标。我们总结了真实搜索流量的实验，分析了拍卖模拟的逼真度，不同约束目标下的有效性和正则化的影响。实验结果表明，通过适当的熵正则化，我们能够最大化收入，同时限制在给定的范围内的其他业务指标。
2018-07-31 cs.GT cs.LG stat.ML
Towards Better Models of Externalities in Sponsored Search Auctions
赞助搜索拍卖（SSA）可以说代表了计算机科学和经济学的交叉点上的问题，在现实生活中有着最深的应用。在SSA领域，研究显示一个广告对其他广告的影响，也就是说，经济学中的外部性是最重要的，迄今为止已经引起了许多研究的注意。然而，即使是对问题进行建模的基本问题，到目前为止也没有一个明确的答案。流行的级联模型可以说是过于理想化，真正描述的现象，但它允许一个很好的理解问题。其他模型，相反，描述设置更充分，但太复杂，允许一个令人满意的理论分析。在这项工作中，我们试图得到最好的两种方法：首先，我们定义了一些一般的数学公式的问题，试图有一个丰富的描述在SSA的外部性，其次，证明了主机的结果绘制一个几乎完整的图片的计算复杂性的问题。我们补充这些近似性的结果与一些考虑机制设计在我们的上下文中。
2016-04-14 cs.GT
Sponsored Search Auction Design Beyond Single Utility Maximization
本文研究混合自动出价竞拍者环境下的赞助搜索拍卖设计，提出补贴效用模型，并针对公开与私有补贴信息分别设计真实机制，实现近似最优的社会福利。
2024-12-30 cs.GT
Sponsored Search Auctions with Markovian Users
赞助搜索涉及在广告客户之间进行拍卖，这些广告客户出价以使他们的广告显示在特定关键字的搜索结果旁边。目前，赞助搜索最流行的拍卖是“通用第二价格”（GSP）拍卖，其中广告客户按其“得分”的降序分配到广告位，“得分”被定义为他们的出价和点击率的乘积。在过去的几年里，已经有显着的研究中出现的广告客户的互动机制，以及可能的重新设计的机制的博弈论问题，但这种排名顺序仍然是标准的。从搜索引擎的角度来看，最根本的问题是：什么是广告客户的最佳分配插槽？这里的“最佳”可以指“最大化用户满意度”、“最高效”、“收入最大化”、“最简单的交互”或这些的组合。要回答这个问题，我们需要了解搜索引擎用户在看到显示的广告时的行为，因为这定义了广告商正在竞标的商品及其价值。大多数先前的工作都假设用户点击广告的概率与页面上显示的其他广告无关。我们提出了一个简单的马尔可夫用户模型，不做这个假设。然后，我们提出了一个算法，以确定最有效的分配在这个模型下，这原来是不同的GSP。一个真实的拍卖，然后从维克雷-克拉克-格罗夫斯（VCG）机制的应用。此外，我们表明，我们的分配有许多可取的属性的GSP，使投标直观。在我们的结果的技术核心是一些见解的结构的最优分配。
2008-05-06 cs.GT
Sponsored Question Answering
本文首次形式化分析赞助型问答平台，提出融合自然答案与广告的赞助答案机制，并证明该机制能激励广告主真实出价且具备VCG拍卖的稳定性。
2024-07-05 cs.GT
Algorithmic Methods for Sponsored Search Advertising
现代商业因特网搜索引擎响应于用户查询而沿着搜索结果显示广告。这种赞助搜索依赖于市场机制来为这些广告定价，利用广告商之间的拍卖，这些广告商出价以使他们的广告针对特定关键字显示。我们目前的系统，这样的拍卖的概述，也描述了基本的博弈论方面。这个游戏涉及到三方--广告商、搜索引擎和搜索用户--我们提出了强调每一方作用的示例研究方向。这些博弈中的投标和定价算法使用了三个数学领域的技术：机制设计、最优化和统计估计。最后，我们提出了一些挑战，在赞助搜索广告。
2008-05-12 cs.GT
Budget Optimization for Sponsored Search: Censored Learning in MDPs
我们考虑的预算优化问题所面临的广告客户参与重复的赞助搜索拍卖，寻求最大限度地提高点击量达到预算。我们将预算优化问题转化为一个具有删失观测的马尔可夫决策过程（MDP），并提出了一种基于Kaplan-Meier或乘积限估计的学习算法。我们验证了该算法的性能进行比较，它与其他几个从Microsoft adCenter的搜索拍卖数据的大集合，展示快速收敛到最佳性能。
2012-10-16 cs.GT
A Game-theoretic Machine Learning Approach for Revenue Maximization in Sponsored Search
Peking University（北京大学）；Microsoft Research Asia（微软亚洲研究院）
赞助搜索是搜索引擎的一个重要的盈利渠道，其中使用拍卖机制来选择显示给用户的广告并确定向广告商收取的价格。在文献中已经有几篇研究如何设计拍卖机制以优化搜索引擎的收益的工作。但由于使用了一些不切实际的假设，这些研究的实际价值并不十分明确。在本文中，我们提出了一种新的\emph{game-theoretic machine learning}方法，自然地结合了机器学习和博弈论，并学习拍卖机制使用一个双层优化框架。特别是，我们首先从历史数据中学习马尔可夫模型来描述广告客户如何改变他们的出价，以响应拍卖机制，然后对于任何给定的拍卖机制，我们使用学习的模型来预测其相应的未来出价序列。接下来，我们学习的拍卖机制，通过经验收益最大化的预测出价序列。我们证明了当预测周期趋于无穷大时，经验收益将收敛，并且遗传编程算法可以有效地优化经验收益。我们的实验表明，所提出的方法是能够产生一个更有效的拍卖机制比几个基线。
2014-06-04 cs.GT cs.LG
Autobidding Equilibria in Sponsored Shopping
Google（谷歌）；Columbia University（哥伦比亚大学）
本文研究了赞助购物拍卖中的自动出价均衡，证明了两种常见拍卖机制下自动出价均衡的普遍存在，并证明了其价格无序为2。
2026-02-26 cs.GT
Sponsored Questions and How to Auction Them
Google Research（谷歌研究院）；Purdue University（普渡大学）
本文研究如何通过拍卖机制优化赞助建议与广告的交互流程，探讨端到端优化与模块化方法的效率对比。
2025-12-03 cs.AI cs.GT
Position Auctions in AI-Generated Content
本文研究AI生成内容中赞助创意嵌入的位置拍卖问题，针对位置-创意对建立点击率模型，并在MNL模型和级联模型下分别设计福利与收益最大化的最优或近似最优机制。
2025-06-03 cs.GT
Multi-Category Fairness in Sponsored Search Auctions
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Harvard University（哈佛大学）
广告中的公平性是一个受到计算机科学和经济学文献中理论和经验观察的特别关注的话题。我们研究了为来自许多不同类别的广告客户提供服务的通用平台的广告公平性问题。首先，我们从个体公平和无嫉妒的角度出发，提出了类间公平和类内公平的要求。其次，我们调查的“平台实用程序”（代理的质量分配）可实现的机制，满足这些desiderata。更具体地说，我们比较公平的机制对不公平的最佳效用，我们通过建设表明，我们的公平desiderata是兼容的效用。也就是说，我们构建了一个家庭的公平机制，具有高效用，在一类公平机制中表现接近最优。我们的机制还具有良好的实现属性，包括度量遗忘，这允许平台在不需要知道公平性要求的具体情况下产生公平分配。
2019-08-29 cs.GT cs.LG
Auctions Meet Bandits: An Empirical Analysis
University of Washington（华盛顿大学）；Cornell University（康奈尔大学）；Yale University（耶鲁大学）
本文基于移动应用商店关键词广告拍卖数据，研究第二价格拍卖与 Thompson Sampling 结合下的最优探索，并提出按关键词特征定制的探索策略以改进平台收入与效率。
2026-10-20 cs.GT
Optimal Traffic Allocation for Multi-Slot Sponsored Search: Balance of Efficiency and Fairness
本文针对多广告位赞助搜索中的预算分配不公平问题，提出基于基尼指数公平度量的全局优化模型和在线算法，在保持效率的同时提升广告流量分配的公平性。
2025-02-03 cs.GT
Diversification in the Internet Economy:The Role of For-Profit Mediators
我们调查的市场力量，将导致出现新的球员在赞助搜索市场。我们报告了3倍的多样化发起的赞助搜索市场的两个固有特征，即能力限制和当前机制的合谋脆弱性。在第一种情况下，我们提出了一个比较研究的两个模型的动机容量限制-一个额外的能力是由营利性代理商，谁竞争的插槽在原来的拍卖，吸引流量，并运行自己的子拍卖，和其他的，其中的额外容量是由拍卖人自己提供的，基本上作为一个调解人，并运行一个单一的组合拍卖。本研究是由我们在\cite{SRGR07}发起的，在那里研究了基于中介的模型。在目前的工作中，我们研究了基于拍卖的模型，并表明，这种模式似乎不如基于中介的模型在收入或效率保证方面，由于增加了容量。在第二种情况下，我们发起了一个博弈论的研究，目前赞助搜索拍卖，涉及激励驱动的调解人利用这些机制是不抗合谋的事实。特别是，我们表明，广告商可以提高他们的回报，通过使用的调解人的服务相比，直接参与拍卖，调解人也可以获得金钱上的好处，而不违反激励约束的广告商谁不使用其服务。我们还指出，拍卖人不能做很多通过机制设计，以避免这种营利性的调解，而不损失严重的收入，因此，调解人很可能会占上风。
2007-11-02 cs.GT
A Dominant Strategy Truthful, Deterministic Multi-Armed Bandit Mechanism with Logarithmic Regret
随机多臂强盗（MAB）机制被广泛应用于赞助搜索拍卖、众包、在线采购等领域。现有文献中提出的具有确定性支付规则的随机MAB机制必然会遇到$Ω(T^{2/3})$的问题，其中$T$是时间步的数目。这是因为现有的机制考虑了最坏的情况，其中代理的随机奖励的平均值被取决于$T$的非常小的量分开。我们做，并利用关键的观察，在大多数情况下，代理人的奖励之间的分离很少是一个功能的$T$。此外，在武器的奖励任意接近的情况下，这种次优武器所带来的遗憾是最小的。我们的想法是允许中心指示分辨率，$Δ$，必须用它来区分代理。这立即导致我们引入$Δ$ -后悔的概念。使用赞助搜索拍卖作为一个具体的例子（同样的想法适用于其他应用程序，以及），我们提出了一个主导战略激励兼容（DSIC）和个别理性（IR），确定性MAB机制，从上置信限（UCB）家庭的MAB算法的思想的基础上。值得注意的是，所提出的机制$Δ$ -UCB实现了一个$Δ$ -遗憾的$O(\log T)$的情况下，赞助搜索拍卖。我们首先建立单插槽赞助搜索拍卖的结果，然后非平凡的扩展结果的情况下，多个插槽被分配。
2020-05-29 cs.GT
Bid Prediction in Repeated Auctions with Learning
The Hebrew University of Jerusalem（耶路撒冷希伯来大学）；Microsoft Research（微软研究院）
我们认为在重复拍卖的出价预测问题和评估的经济计量学方法的学习代理使用的数据集从主流赞助搜索拍卖市场的性能。赞助搜索拍卖是一个价值数十亿美元的行业，也是几家科技巨头的主要收入来源。优化此类市场的一个关键问题是了解投标人将如何对拍卖设计的变化做出反应。我们建议使用基于无遗憾的计量经济学的出价预测，建模球员作为无遗憾的学习者的效用函数，未知的分析师。我们提出了新的计量经济学方法，同时学习玩家的效用和她的学习规则的参数，并将这些方法应用于现实世界的数据集从BingAds赞助的搜索拍卖市场。我们发现，当没有协变量变化时，无遗憾计量经济学方法的表现与最先进的时间序列机器学习方法相当，但当训练和测试期间之间存在协变量变化时，无遗憾计量经济学方法的表现明显优于机器学习方法。这说明了使用结构计量经济学方法预测参与者将如何应对市场变化的重要性。此外，我们发现，在结构计量经济学方法中，基于无悔学习的方法优于更传统的，基于均衡的计量经济学方法，这些方法假设玩家对竞争的反应持续最佳。最后，我们演示了如何通过考虑投标人优化的效用函数与可见性偏差组件的无遗憾学习算法的预测性能可以进一步提高。
2020-10-30 cs.GT cs.LG
Near-Optimal Multi-Unit Auctions with Ordered Bidders
我们构建了无先验拍卖与常数因子近似保证有序投标人，在无限和有限的供应设置。我们比较了我们的拍卖的预期收益的投标向量的单调价格基准，最大的收入，可以从一个投标向量使用供应尊重的价格是不增加的投标人的顺序和第二高的出价以上的界限。因此，我们的拍卖是同时接近最优的贝叶斯多单元环境中的广泛。
2012-12-12 cs.GT
For-profit mediators in sponsored search advertising
中介者是博弈论中一个著名的结构，它是一个实体，代表一些选择使用其服务的代理人，而其余的代理人直接参与博弈。我们发起了一个游戏理论研究赞助搜索拍卖，如谷歌和雅虎使用，涉及{ \em激励驱动}中介。我们把这种中介称为{ \em营利性}中介，以区别于先前工作中介绍的中介，后者没有金钱激励，并由实现某些期望结果的利他目标驱动。我们表明，在我们的模型中，（i）球员/广告商可以提高他们的收益，通过选择使用中介的服务，相比直接参与拍卖;（ii）中介可以获得金钱利益，通过管理广告负担的广告客户组;以及（iii）中介者和它所服务的广告主的收益与不使用其服务的广告主的激励约束是相容的。上述结果背后的一个简单直觉来自于观察，即调解人比任何个人广告商拥有更多关于出价概况的信息和更多对出价概况的控制，使她能够减少向拍卖师支付的款项，同时仍然保持激励约束。此外，我们的研究结果表明，在互联网经济中存在重大的多元化机会，我们应该期待它继续发展更丰富的结构，为不同类型的代理人共存的空间。
2007-09-03 cs.GT
Multi-keyword multi-click advertisement option contracts for sponsored search
在赞助搜索中，广告（缩写为ad）位通常由搜索引擎通过广告商对关键词进行竞价的拍卖机制出售给广告商。理论上，拍卖机制具有许多理想的经济性质。然而，关键词拍卖有许多局限性，包括：广告客户支付价格的不确定性;搜索引擎收入的波动性;以及广告客户和搜索引擎之间的忠诚度较低。在本文中，我们提出了一个特殊的广告选项来缓解这些问题。在我们的建议中，广告客户可以通过支付预付费（称为期权价格）提前从搜索引擎购买期权。然后，他有权利，但没有义务，在指定的时间段内以固定的每次点击成本（CPC）为指定的点击次数在预先指定的关键字集合中购买。建议的期权与金融中的一种特殊的奇异期权密切相关，该期权包含多个基础资产（多关键字），并且也是多个可执行的（多次点击）。这种新颖的结构具有许多好处：广告商可以减少广告中的不确定性;搜索引擎可以提高广告商的忠诚度以及随着时间的推移获得稳定且增加的预期收入。由于建议的广告选项可以与现有的关键字拍卖一起实施，因此必须设置选项价格和相应的固定CPC，以便在两个市场之间没有套利。期权定价方法进行了讨论，我们的实验结果验证了发展。与关键字拍卖相比，搜索引擎可以通过出售广告选项来增加预期收入。
2015-12-09 cs.GT cs.IR
Multi-Agent Cooperative Bidding Games for Multi-Objective Optimization in e-Commercial Sponsored Search
Xidian University（西安电子科技大学）；Alibaba Group（阿里巴巴集团）
从单个广告主的角度对在线广告的竞价优化进行了深入的研究，在学术研究和工业实践中。然而，现有的工作通常假设竞争对手不改变他们的出价，即，获胜价格是固定的，导致导出的解决方案的性能差。虽然有一些研究使用多智能体强化学习来建立合作博弈，但它们仍然存在以下缺点：（1）它们无法避免共谋解决方案，即所有参与拍卖的广告商故意串通以极低的价格出价。(2)以往的研究不能很好地处理复杂的投标环境，导致模型收敛性差。这个问题可能会被放大时，处理多个目标的广告客户，这是实际需求，但没有考虑到以前的工作。在本文中，我们提出了一种新的多目标合作投标优化公式称为多代理合作投标游戏（MACG）。MACG建立了一个精心设计的多目标优化框架，其中包含了广告主的不同目标。增加了一个使所有广告的总利润最大化的全球目标，以鼓励更好的合作，并保护自行投标的广告客户。为了避免共谋，我们还引入了额外的平台收入约束。我们从理论上分析了报价公式的最优函数形式，并据此设计了一个策略网络来生成拍卖级报价。在此基础上，设计了一种有效的多智能体进化策略。在淘宝平台上进行的离线实验和在线A/B测试表明，与最先进的方法相比，单个广告主的目标和全球利润都有显着提高。
2021-06-08 cs.AI cs.GT cs.MA
The Cost of Simple Bidding in Combinatorial Auctions
我们研究一类操纵组合拍卖投标人根本歪曲什么样的商品，他们感兴趣的。以前的工作在很大程度上假设投标人只提交他们感兴趣的捆绑，我们称之为简单的投标投标：投标金额的战略，但不是捆绑的身份。然而，我们发现，存在着一个完整的类的拍卖情况下，简单的出价从来没有最佳的贝叶斯-纳什均衡，总是严格由复杂的出价（投标人出价的商品，他们不感兴趣）。我们证明了这一结果的两个最广泛使用的拍卖机制：第一价格和VCG最近。我们还探讨了导致这种现象的获胜者确定问题的结构特性，并利用所获得的见解来研究复杂投标的影响力。我们发现，在最坏的情况下，投标人的最佳复杂的出价可能需要投标的指数数量的捆绑，即使投标人只感兴趣的一个好。因此，这一现象可以极大地影响拍卖的结果，不应该被投标人和拍卖设计师忽视。
2021-09-10 cs.GT
Pre- and Post-Auction Discounts in First-Price Auctions
该研究对比首价拍卖中拍卖前出价提高与拍卖后价格折扣两种折扣方式，证明其在特定条件下结果等价、存在对应均衡，且乘性调整下有折扣竞拍者更偏好前者，还基于在线广告数据估计最优出价函数并分析折扣影响。
2024-03-10 cs.GT
Exponential Weight Functions for Quasi-Proportional Auctions
在准比例拍卖中，投标人按其加权出价的比例分享分配。拍卖人选择一个出价权重函数，投标人在出价时知道该权重函数。在这篇文章中，我们分析了权重函数是如何在投标指数影响投标人的行为。我们表明，指数权重函数有一个纯策略的纳什均衡，我们描述了投标在一个平衡，我们比较它的权力权重函数的平衡。
2015-09-04 cs.GT
Information Asymmetries in Pay-Per-Bid Auctions: How Swoopo Makes Bank
创新的拍卖方法可以用来增加利润，Shubik著名的“美元拍卖”可能是最广为人知的例子。最近，一些主流的电子商务网站显然在更大的范围内实现了同样的目标，通过使用“按出价付费”拍卖来出售从视频游戏到金条的物品。在这些拍卖中，投标人除了（有时代替）获胜者的最终购买成本之外，还需要支付每次投标的费用。因此，即使获胜者的购买成本是物品内在价值的一小部分，拍卖商仍然可以从投标费中获得可观的利润。我们的工作为这些拍卖提供了新的分析，基于建模和数据集来自拍卖在Swoopo.com，领先的按次付费拍卖网站。虽然以前的建模工作预测无利润的均衡，我们广泛地分析了信息不对称的影响，以及Swoopo功能，如bidpacks和Swoop It Now选项，以量化这些拍卖中不完美信息的影响。我们发现，即使是小的不对称的球员（更便宜的出价，更好地估计其他球员的意图，不同的估价项目，承诺的球员愿意玩“鸡”）可以增加拍卖持续时间远远超过预测以前的工作，从而扭曲拍卖师的利润不成比例。最后，我们在Swoopo上观察到的数千次现场拍卖的数据集的背景下讨论了我们的发现，这使我们能够研究行为因素，例如积极出价的力量。最终，我们的研究结果表明，即使是完全理性的参与者，如果参与者忽视或不知道这些因素中的任何一个，结果是为每次出价支付拍卖商带来巨额利润。
2010-03-30 cs.GT
Hybrid Advertising in the Sponsored Search
针对传统与联合广告模式导致部分用户点击率低的问题，提出Hybrid Advertising模型，并设计HRegNet神经网络生成近似激励兼容的拍卖机制，显著提升了平台收入。
2025-07-10 cs.GT
Bidder Feedback in First-Price Auctions for Video Advertising
本文研究视频广告第一价格拍卖中“最低中标价”反馈的推广，通过双合作博弈核心刻画维持最优分配的投标更新，并基于真实数据实证分析其动态与收敛性。
2025-06-20 cs.GT
Non-uniform Bid-scaling and Equilibria for Different Auctions: An Empirical Study
本研究通过合成数据集实证比较FPA、GSP和VCG拍卖在自动出价场景下不同非均匀出价缩放水平的表现，发现FPA优于GSP优于VCG，且非均匀缩放水平升高会降低FPA和GSP的福利，但对VCG无影响。
2023-11-17 cs.GT
Sealed-bid Auctions on Blockchain with Timed Commitment Outsourcing
Tsinghua University（清华大学）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；City University of Hong Kong（香港城市大学）；Hong Kong Polytechnic University（香港理工大学）
提出定时承诺外包市场解决区块链密封拍卖中解密成本承担问题，通过聚合方案与竞争机制构建双边市场，并证明其满足DSIC、BIC及最优收入等博弈论性质。
2026-10-20 cs.GT
Learning to Bid in Repeated First-Price Auctions with Budgets
针对带预算的重复第一价格拍卖，提出基于对偶的在线学习出价算法，在全信息和单边信息反馈下均达到近最优 $\widetilde{O}(\sqrt{T})$ 遗憾，并用实验验证其有效性。
2023-04-26 cs.GT
On-Chain Auctions with Deposits
有保证金的第二价格拍卖在区块链环境中经常使用。拍卖发生在链上：投标人在智能合约中存入完全覆盖其出价（但可能超过它）的金额。保证金是用来作为保险对投标人不履行其出价，如果他们赢了。在拍卖的出价阶段，公开观察的是押金，而不是出价。如果投标按顺序发生，押金的可见性可以从根本上改变拍卖的战略结构：投标是昂贵的，因为押金是昂贵的。因此，存款可以被用作高估值的昂贵信号。这是多重低效率的根源：为了进行昂贵的信号传递，首先出价并具有高估值的投标人通常会在均衡中过度存款，即比他出价的多。此外，如果估价很可能很高，则可以通过高保证金来阻止进入：先出价的出价人可以阻止后来的出价人进入拍卖。池化可以在均衡状态下发生，即不同估值的竞标者存入相同的金额。拍卖未能将物品分配给估价最高的竞买人。
2022-07-17 cs.GT econ.TH
Learning to bid in revenue-maximizing auctions
研究了在基于投标分布的拍卖中，当卖方确定保留价时，投标策略的优化问题。我们的研究是在一个投标人是战略的设置。使用变分的方法，我们研究了原来的目标的复杂性，我们引入了放松的目标功能，以使用梯度下降方法。我们的方法是简单的，一般性的，可以应用于各种价值分配和收入最大化机制。与传统的如实出价策略相比，我们得出的新策略产生了巨大的提升。
2019-05-14 cs.GT
Bidding Strategies with Gender Nondiscrimination: Constraints for Online Ad Auctions
在线显示广告的出价之间的相互作用可能导致广告商的广告被显示给更多的男性而不是女性，即使广告商不针对男性。我们设计的投标策略，广告商可以用来避免这种紧急歧视，而不必修改的拍卖机制。我们数学分析的策略，以确定额外的成本，以避免歧视的广告客户，证明我们的策略是最佳的，在某些设置。我们使用模拟来了解其他设置。
2019-09-05 cs.GT
Strategic Bid Shading in Real-Time Bidding Auctions in Ad Exchange Using Minority Game Theory
Goa Institute of Management（果阿管理学院）
本文研究实时广告拍卖中基于少数游戏理论的战略投标遮蔽行为，通过分析大规模拍卖数据揭示少数策略对投标人动态和定价的影响。
2025-12-02 cs.GT econ.TH
Efficiency of non-truthful auctions under auto-bidding
自动出价现在被广泛采用作为广告商和互联网广告之间的接口，因为它允许广告商指定高层次的目标，如最大化价值的限制。以前的研究主要集中在真实的拍卖（如SPA），因为统一出价在这种拍卖中是最优的，这使得它易于管理的原因，均衡。一个诱人的问题是，人们是否可以通过离开真实拍卖的领域来获得更有效的结果。这是第一篇研究无优先级自动投标环境下的非真实拍卖的论文。我们的第一个结果是，非真实性提供没有好处时，考虑确定性拍卖。任何确定性机制都有一个至少为$2$的无政府代价（PoA），即使对于$2$投标者也是如此;这与确定性真实机制所能实现的相匹配。特别地，我们证明了第一价格拍卖的PoA恰好为$2$。对于我们的第二个结果，我们构建了一个随机的非真实拍卖，实现了$2$投标人的PoA为$1.8$。这是针对此问题的最著名的PoA。以前最著名的PoA为这个问题是$1.9$，并实现了一个真实的机制。此外，我们证明了在这种情况下的非真实性的好处表明，这个随机拍卖的真实版本也有一个PoA的$1.9$。最后，我们表明，没有拍卖（即使是随机的，不真实的）可以提高PoA界的$2$的广告客户的数量增长到无穷大。
2022-07-08 cs.GT
Bidding to the Top: VCG and Equilibria of Position-Based Auctions
许多流行的搜索引擎都会通过拍卖来确定搜索结果旁边的广告位置。目前在谷歌和雅虎拍卖！让广告商指定一个单一的金额作为他们在拍卖中的出价。这个出价被解释为广告客户愿意为每次点击支付的最高金额。当搜索查询到达时，出价被用于在搜索结果页面上对广告进行线性排名。广告商为每个点击广告的用户付费，收费金额取决于参与拍卖的所有广告商的出价。为了有效，广告商寻求在他们的预算允许的范围内尽可能地在名单上名列前茅，这取决于市场。我们研究的问题，排名广告和相关的定价机制时，广告客户不仅指定一个出价，但另外表示他们的偏好的位置在列表中的广告。特别是，我们研究“前缀位置拍卖”，广告客户$i$可以指定，她只感兴趣的顶部$b_i$的位置。我们提出了一个简单的分配和定价机制，概括了目前的拍卖，没有位置限制的理想属性。此外，我们表明，我们的拍卖有一个“无嫉妒”或“对称”的纳什均衡与相同的结果，在分配和定价的著名的真实维克雷-克拉克-格罗夫斯（VCG）拍卖。此外，我们表明，这个均衡是最好的这样的均衡广告商的利润由每个广告商。我们还讨论了其他基于位置的拍卖。
2006-07-26 cs.GT
Applying Opponent Modeling for Automatic Bidding in Online Repeated Auctions
本文针对在线重复拍卖中竞拍者与卖方同时学习的场景，提出 Bid Net 策略表示和基于对手建模的 PG 算法，使竞拍者能学习最优出价策略并收敛到博弈均衡，从而最大化竞拍者效用。
2024-02-27 cs.GT
Sponsored Search, Market Equilibria, and the Hungarian Method
匹配市场在经济理论中起着重要作用。这种市场的一个主要例子是赞助搜索市场。在这里，就像在其他同类市场中一样，市场均衡对应于可行的、无嫉妒的、投标者最优的结果。对于没有预算的设置，这样的结果总是存在的，并且可以通过所谓的匈牙利方法在多项式时间内计算。此外，每一种计算这种结果的机制都是激励相容的。我们表明，匈牙利方法可以修改，使它找到一个可行的，嫉妒自由，投标人的最佳结果设置预算。我们还表明，在设置预算没有机制，计算这样的结果可以激励兼容的所有投入。然而，对于一般情况下的投入，所提出的机制-与任何其他计算预算设置结果的机制一样-是激励相容的。
2012-12-20 cs.GT
CIA-Towards a Unified Marketing Optimization Framework for e-Commerce Sponsored Search
作为最大的电子商业平台，淘宝每天通过赞助搜索帮助广告主达到数十亿次搜索查询，这也为平台贡献了可观的收入。一个有效的投标策略，以满足不同的广告客户的需求，同时平衡平台收入和消费者体验是一个健康和可持续的营销生态系统的重要。在本文中，我们提出了\emph{Customer Intelligent Agent (CIA)}，出价优化框架，实现了印象级出价，以反映广告客户的转换意愿和预算控制。通过这种方式，CIA能够满足各种电子商业广告客户在不同层面上的需求，如总广告量优化，风格比较等。此外，基于重放的模拟系统被设计为预测不同的拍摄率的性能。CIA在不改变广义第二价格机制的前提下，统一了营销生态系统中三方的利益。我们在\emph{Taobao Search Advertising (TSA)}平台上进行了大量的离线模拟和大规模的在线实验，验证了CIA框架的高效性。此外，CIA已被部署在网上作为TSA的主要投标工具。
2019-03-11 cs.CE cs.GT
Simulation-Based Game Theoretic Analysis of Keyword Auctions with Low-Dimensional Bidding Strategies
本文以关键字拍卖为研究对象，以不完全信息的一次性博弈为模型，对关键字拍卖的一系列机制设计问题进行了仿真分析。我们的第一个问题解决的程度，激励相容性失败的广义第二价格（普惠制）拍卖。我们的研究结果表明，真诚的投标在普惠制拍卖是一个惊人的穷人的战略和穷人的预测均衡结果。接下来，我们证明了收入排名机制是福利最优的，证实了过去的结果。最后，我们分析了利润作为拍卖机制在一系列可供选择的设置下的函数。当价值和质量分数呈强正相关时，我们的结论与Lahaie和Pennock [2007]的结论一致：在这种情况下，按出价排名规则显然更优越。然而，我们的分歧在于，几乎不重视质量分数的拍卖几乎普遍主导了纯收入排名计划。
2012-05-09 cs.GT
Optimal Deterministic Auctions with Correlated Priors
我们重新设计的利润最大化的单一物品拍卖，解决了迈尔森在他的开创性论文的情况下，投标人的估价是独立分布的问题。我们专注于一般的联合分布，寻求最佳的确定性激励兼容拍卖。我们给出了一个几何特征的最优拍卖，从而在一个对偶定理和一个有效的算法，找到最佳的确定性拍卖在两个投标人的情况下，一个NP-完全性结果为三个或更多的投标人。
2012-05-14 cs.GT
Secondary Spectrum Auctions for Markets with Communication Constraints
拍卖已被提出作为一种方式，以提供经济激励的主要用户动态分配未使用的频谱给其他用户在需要it.Previously提出的计划没有考虑到这样的事实，即用户的功率约束可能会阻止他们发送他们的投标价格拍卖商与高精度和发送投标价格必须通过噪声信道。这些方案还具有在无线标准中不能适应的非常高的开销。我们提出了拍卖方案，中央结算机构拍卖频谱的用户谁出价，同时考虑到量化的价格，在出价启示的开销，和噪声的渠道明确。我们的计划是密切相关的通道输出反馈问题，具体来说，后验匹配的技术。我们考虑了几种情况下，清算机构的目标是授予频谱的投标人谁价值最频谱。我们从理论上证明了这一目标是渐近达到我们的计划时，投标人是非战略常数出价。我们提出了单独的计划，使战略用户真实地揭示他们的私人价值，拍卖多个子渠道之间的战略用户，并跟踪缓慢随时间变化的投标价格。我们的模拟说明了我们的计划恒定的投标价格的最优性，也证明了我们的跟踪算法的有效性缓慢随时间变化的出价。
2014-12-23 cs.GT
Convergence Analysis of No-Regret Bidding Algorithms in Repeated Auctions
游戏和无悔算法之间的联系在文献中得到了广泛的研究。一个基本的结果是，当所有参与者都采取无悔策略时，这会产生一个行动序列，其时间平均值是博弈的粗相关均衡。然而，在存在多个均衡的情况下，对均衡选择的了解要少得多。在这项工作中，我们研究了拍卖中无遗憾出价算法的收敛性。除了理论上的兴趣，出价动态拍卖是一个重要的问题，从实践的角度来看，以及。我们研究了投标人之间的重复博弈，其中在每个时间步出售单个物品，投标人的价值来自未知分布。我们表明，如果投标人使用任何基于均值的学习规则，那么投标人收敛到真实的纯纳什均衡在第二价格拍卖，在VCG拍卖中的多插槽设置和贝叶斯纳什均衡在第一价格拍卖的高概率。我们注意到基于平均值的算法涵盖了各种各样的已知的无悔算法，如Exp3，UCB，$ε$贪婪等。此外，我们分析的收敛性的个别迭代产生这样的学习算法，而不是序列的时间平均值。我们的实验证实了我们的理论发现，并且在使用其他策略（如深度Q学习）时也发现了类似的收敛。
2020-09-14 cs.GT
Lowest Unique Bid Auctions with Resubmission Opportunities
最近的在线平台提出了多个投标项目。然而，目前的技术水平仅限于分析一件拍卖品而无需重新提交。本文研究了预算约束下离散投标空间中带重新提交的多物品最低唯一投标拍卖问题。我们表明，游戏没有纯贝叶斯-纳什均衡（除了在非常特殊的情况下）。然而，至少有一个混合贝叶斯纳什均衡存在任意数量的投标人和项目。平衡是明确计算两个投标人设置重新提交的可能性。在一般情况下，我们提出了一个分布式的战略学习算法，以近似平衡。计算机模拟表明，该误差在几个步骤中迅速衰减。当每个项目的投标人的数量服从泊松分布，它表明，卖方可以得到一个不可忽略的收入在几个项目，从而使一部分的真实价值的项目的启示。最后，考虑投标人对风险的态度。相对于风险中性代理谁出价非常小的价值，累积分布和投标支持的风险敏感代理更分散。
2017-02-28 cs.GT
Learning Valuation Distributions from Partial Observation
拍卖理论传统上假设投标人的估价分布是拍卖师已知的，例如著名的收入最优的迈尔森拍卖。然而，这一理论并没有描述拍卖人是如何获得这些信息的。最近，Cole和Roughgarden [2014]表明，基于每个投标人分布的独立抽取的有限样本的近似值足以产生接近最优的拍卖。在这项工作中，我们考虑的问题，学习投标人的估值分布从更弱的形式的观察。具体来说，我们考虑一个设置，其中有一个重复的，密封投标拍卖与$n$投标人，但所有我们观察到的每一轮是谁赢了，但没有多少他们出价或支付。我们也可以参与（即，我们自己去看吧，看我们什么时候能赢。从这些信息中，我们的目标是（大约）恢复基本出价分布的固有可恢复部分。我们还考虑扩展不同的子集的投标人参与每一轮，投标人的估值有一个共同的价值成分添加到他们的独立的私人价值。
2014-07-10 cs.GT
Learning against Non-credible Auctions
本文研究非可信重复第二价格拍卖中的在线竞价问题，竞价者需同时学习竞争对手出价分布与卖家可信度，作者在多种信息模型下建立遗憾下界并提供近最优的在线竞价算法。
2023-11-26 cs.GT
A Sealed-bid Auction with Fund Binding: Preventing Maximum Bidding Price Leakage
针对现有密封投标拍卖协议保证金易泄露最高投标价、缺乏资金绑定的问题，提出利用以太坊交易不可区分性与DECO技术的新协议，同时隐藏投标价与最高价并实现资金绑定，且给出了实现与费用对比。
2023-12-13 cs.CR cs.GT
Adversarial Risk Analysis for First-Price Sealed-Bid Auctions
对抗性风险分析（ARA）是一种新兴的方法，被认为比传统的决策理论和博弈论方法具有优势。ARA解决方案的第一价格密封投标（FPSB）拍卖已被发现，但只有在强烈的假设，使模型有点不切实际。在本文中，我们使用ARA方法来模拟FPSB拍卖使用更现实的假设。我们定义了一个新的效用函数，考虑投标人的财富，我们假设一个保留价，并找到解决方案，不仅为风险中性，但也为风险规避以及风险寻求投标人。我们使用ARA为非战略性游戏和K级思维解决方案概念建模。
2020-03-18 cs.GT stat.AP
Optimal Bidding Strategies for Online Ad Auctions with Overlapping Targeting Criteria
我们分析的问题，如何最佳出价的广告空间在网上广告拍卖。为此，我们考虑多个广告活动与重叠的目标标准的一般情况。在我们的分析中，我们首先描述了最优投标策略的结构。特别是，我们表明，一个最佳的投标策略分解成不相交的运动和目标群体的问题。此外，我们表明，纯投标策略，只使用一个单一的出价值为每个运动是不是最优的供应曲线时，是不连续的。对于这种情况下，我们得出一个下限的任何投标策略的最优成本，以及混合投标策略，要么达到下限，或可以任意接近它。
2020-04-15 cs.GT math.OC
