Lower Bound for Envy-Free and Truthful Makespan Approximation on Related Machines
我们研究了在机器是策略代理的情况下，以最小化完工时间为目标的相关机器上的工件排序问题。在该问题中，每个作业$j$具有长度$l_{j}$，并且每个机器$i$具有私有速度$t_{i}$。作业$j$在计算机$i$上的运行时间为$t_{i}l_{j}$。我们寻求一种机制，获得机器的速度出价，然后将工作和报酬分配给机器，这样机器就有动力报告真实的速度，分配和报酬也是免费的。我们表明，1。一个确定性的、无嫉妒的、真实的、个体理性的和匿名的机制不能严格地比$2-1/m$更好地近似最大完工时间，其中$m$是机器的数量。这一结果与以前的工作相比，给出了一个确定性的PTAS的嫉妒免费的匿名分配和一个独特的确定性的PTAS的真实的匿名机制。2.对于两台不同速度的机器，任何无嫉妒、真实、个体理性和匿名机制的唯一确定性可扩展分配是将所有作业分配给最快的机器。这种分配与VCG机制的分配相同，产生2-近似最小完工时间。3.没有任何支付可以使任何先前公布的单调和局部有效的分配，产生比$m$更好的结果-$\qcmax$ \cite{aas, at,ck10, dddr, kovacs}的近似值是真实的，没有嫉妒，个人理性的，和匿名的机制。
2011-07-14 cs.GT
Sample Complexity for Non-Truthful Mechanisms
本文从样本出发，研究了非真实机制的设计问题。我们确定了一系列参数化机制，具有战略上简单的赢家付费竞标、全付费和真实支付格式。在一般（不一定向下封闭）单参数的可行性环境中，我们证明了家庭具有低的代表性和泛化误差。具体而言，多项式许多投标样本足以识别和运行$ε$ -接近贝叶斯-纳什均衡的收入或福利的最佳真实机制具有高概率的机制。
2019-06-24 cs.GT
A unified approach to truthful scheduling on related machines
我们提出了一个统一的框架，设计确定性单调多项式时间近似计划（PTAS的）的一类调度问题的一致相关的机器。这个类包括（除其他外）最小化最大完工时间，最大化最小负载，最小化机器负载向量的l_p范数。在此之前，这种结果只为完工时间目标所知。单调算法具有的属性，在一台机器的速度的增加不能减少分配给它的工作量。我们的新方法的关键思想是表明，对于目标函数，是足够良好的机器负载的功能，它是可能的计算在多项式时间一个高度结构化的近最优的时间表。单调近似方案在算法机制设计的新兴领域中具有重要作用。在这些调度问题的博弈论设置有一个社会目标，这是我们研究的目标函数之一。每台机器都由一个自私的单参数代理控制，它的私人信息是它处理一个单位大小的作业的成本，这也是它的机器速度的倒数。每个代理都希望最大化自己的利润，定义为它从机制中获得的报酬减去处理分配给它的所有作业的成本，并根据其私人信息进行投标。对于每一个问题，我们都证明了我们可以有效地计算保证真实性的支付。因此，存在一个占主导地位的策略，代理报告他们的真实速度，我们显示了存在一个真实的机制，可以在多项式时间，其中的社会目标是近似在一个因素1+ 1/2，每个1/2>0。
2012-07-15 cs.DS cs.GT
A Truthful Mechanism for the Generalized Assignment Problem
我们提出了一个真实的期望，$(1-1/e)$近似机制的战略变种的广义分配问题（GAP）。在GAP中，一组项目必须被最优地分配给一组bin，而不超过任何单个bin的容量。在我们研究的问题的战略变体，用于分配项目的箱子的价值是投标人的私人信息和机制应提供投标人的激励如实报告他们的价值。该机制的近似比是一个显着的改善，现有的真实机制的GAP的近似比。该机制包括一个新的凸优化程序的分配规则，以及适当的支付规则。为了在多项式时间内实现凸规划，我们提出了一种分数局部搜索算法，该算法在任意小的误差内逼近最优解，从而产生近似真实的期望机制。所提出的算法改进了现有的优化算法的GAP在简单性和运行时间，而近似比密切匹配的最佳近似比时，所有的输入是公开的。
2016-08-15 cs.DS cs.GT
Learning Payment-Free Resource Allocation Mechanisms
J.P. Morgan AI Research（摩根大通人工智能研究院）；Samsung Data Systems（三星数据系统）
针对无支付场景下自利智能体资源分配中真实性与社会福利难以同时兼顾的问题，提出融合“烧钱”思想的端到端神经网络ExS-Net，给出有限样本下的泛化界，并通过实验验证了该近似机制的有效性。
2024-08-14 cs.GT cs.LG
Truthful Linear Regression
我们考虑的问题，拟合线性模型的个人关心他们的隐私所持有的数据。激励大多数参与者向分析师如实报告他们的数据，将我们的设计限制在为参与者提供隐私保证的机制上;我们使用差分隐私来模拟个人的隐私损失。这立即带来了一个问题，因为线性模型的差分私有计算必然会产生有偏估计，并且现有的设计机制以从隐私敏感个体获取数据的方法不能很好地推广到有偏估计。我们通过适当的计算和支付方案的设计来克服这一挑战。
2015-06-10 cs.DS cs.GT stat.ML
Payment Design under Belief Disagreement: Rent Placement, Bid Resolution, and Auction Choice
HKUST Business School, Hong Kong University of Science and Technology（香港科技大学商学院）
本文研究信念分歧下拍卖的支付设计，通过线性规划刻画租金配置，并基于eBay数据校准发现拍卖格式优势依赖于出价带划分，强调界面分辨率与支付规则需联合设计。
2026-10-06 cs.GT econ.TH math.OC
Auction Design with ROI-Constrained Bidders: Truthfulness and Revenue Maximization
Qiannan Normal University for Nationalities（黔南民族师范学院）；Guizhou University（贵州大学）；Griffith University（格里菲斯大学）
针对ROI约束投标者，刻画真实拍卖特征，提出σ-增量机制渐近最优并保证收益比例，单投标者情形下以凸定价函数实现最优。
2026-10-08 cs.GT econ.TH
Carrot and Stick: Eliciting Comparison Data and Beyond
John A. Paulson School of Engineering and Applied Sciences, Harvard University（哈佛大学约翰·A·保尔森工程与应用科学学院）；Department of Computer Science, George Mason University（乔治梅森大学计算机科学系）
针对主观比较数据难以真实诱导的问题，提出基于强随机传递性的奖惩式同伴预测机制，实现说真话为最优策略的对称强真实均衡，并拓展至伊辛模型下的网络化数据场景，经真实数据集验证理论结论。
2024-10-30 cs.GT
Eliciting Truthful Reports with Partial Signals in Repeated Games
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；The Hong Kong Polytechnic University（香港理工大学）；Drexel University（德雷塞尔大学）
我们考虑一个重复的游戏，其中玩家自我报告她使用的服务，并相应地由中心收取费用。该中心观察一个部分信号，代表玩家的真实消费的一部分，这是从一个公开的已知分布产生的。玩家可以报告任何与信号不矛盾的值，中心根据报告的信息发出付款。这样的问题在电力市场中的净计量计费中得到应用，其中电力网络的客户的实际消耗被掩盖并且完全验证是不切实际的。当潜在的真实值是相对恒定的，我们提出了一个惩罚机制，elevently真实的自我报告。也就是说，除了向玩家收取报告值之外，该机制还根据她不一致的报告收取成比例的惩罚。我们展示了对未来不确定性的恐惧如何激励玩家今天诚实。对于Bernoulli分布，我们给出了完整的分析和最优策略，给出了任何惩罚。由于完全真实是不可能的连续分布，我们给近似真实的结果减少伯努利分布。我们还将我们的机制扩展到多玩家成本分摊设置，并给出均衡结果。
2022-08-15 cs.AI cs.GT
Incentivizing Truthful Collaboration in Heterogeneous Federated Learning
Toyota Technological Institute at Chicago（芝加哥丰田技术学院）；INSAIT；Sofia University “St. Kliment Ohridski”（圣·克莱门特·奥赫里德斯基索非亚大学）
针对异构联邦学习中客户端操纵梯度更新导致模型性能下降的问题，提出一种基于博弈论的支付规则，在FedSGD等协议下有效抑制修改行为并推导出支付与收敛的显式界限。
2025-03-05 cs.GT cs.LG stat.ML
Partial Verification as a Substitute for Money
最近的工作表明，我们可以使用部分验证而不是金钱来实现真实的机制。在本文中，我们开发工具来回答以下问题。给定一个分配规则，可以使真实的付款，什么是最低限度的验证需要使其真实没有他们？我们的技术利用类型空间和可能的分配集之间的几何关系。
2019-01-23 cs.GT
Truthful Online Scheduling with Commitments
我们研究在线机制抢占调度的最后期限，目标是最大化的总价值完成的工作。这个问题是最后期限感知云调度的基础，但即使对于没有激励约束的算法问题，也有很强的下限。然而，这些下限可以在最后期限松弛的自然假设下规避，即，作业大小与其执行时间窗口之间的比率存在一个有保证的下限$s > 1$。在给定松弛度$s > 1$的情况下，我们构造了一个具有恒定竞争比的真实调度机制.此外，我们表明，如果$s$是足够大的，那么我们可以构建一个机制，也满足承诺属性：它可以确定是否一个工作将完成，如果是这样，以及在每个工作的最后期限之前所需的付款。这是值得注意的，因为在实践中，具有严格截止日期的用户可能发现仅仅在非常接近他们的截止日期时他们的工作被拒绝是不可接受的。
2015-07-02 cs.DS cs.GT
Truthful Feedback for Sanctioning Reputation Mechanisms
对于类似于亚马逊评论的产品评级环境，已经表明，通过根据其他买家的报告支付买家报告的机制，真实的反馈是可能的。我们研究是否可以设计类似的机制，在网上拍卖网站的买家的经验，部分取决于一个战略卖家的声誉机制。我们表明，这是不可能的基本设置。然而，引入一个小的先验信念，卖方是一个合作的承诺球员导致一个真实的完美贝叶斯均衡的支付方案。
2012-03-15 cs.AI cs.GT
Eliciting Truthful Feedback for Preference-Based Learning via the VCG Mechanism
EPFL（洛桑联邦理工学院）；ETH Zürich（苏黎世联邦理工学院）
本文提出结合偏好学习与VCG支付的算法，通过D-最优设计选择信息性偏好查询，利用最大似然估计参数，并在单次和在线设置中证明机制在误差范围内近似真实、个体理性和效率。
2026-07-29 cs.GT
A Truthful Multiunit Profit-Optimal Mechanism for Synthesizing Social Laws
Nanjing University of Finance and Economics（南京财经大学）；Nanjing University（南京大学）
本文研究了在战略多智能体环境中作为新多单位机制设计问题的社会法律合成（SLS）。基于交替时间时序逻辑（ATL）将SLS建模为贝叶斯单参数采购拍卖，并旨在设计一个诚实、个体理性且利润最优的机制。我们首先证明了一个表示引理，表明任何尊重交替仿射的估值都可以用ATL公式特征集紧凑地表达。然后将支付确定减少到分配确定，以多项式时间解决多单位设置中固有的不规则支付问题。我们进一步表明分配确定是$FP^{NP}$-完全的，并将ATL语义编码为整数线性规划（ILP）约束，使问题能够用标准求解器处理。基于这些结果，我们提出了$\mathcal{PO ext{-}ASL}$机制，该机制是激励相容的、个体理性的，并最大化预期利润。理论保证和示例证实，我们的方法为在战略智能体行为下合成最优社会法律提供了有效且计算可行的解决方案。
2026-05-16 cs.GT
Gradient Manipulation in Distributed Stochastic Gradient Descent with Strategic Agents: Truthful Incentives with Convergence Guarantees
Department of Electrical and Computer Engineering, Clemson University（克莱姆森大学电气与计算机工程系）
本文提出一种完全分布式支付机制，首次在分布式随机梯度下降中保证诚实行为和准确收敛，克服了现有诚实机制的两大局限：依赖集中服务器和牺牲收敛精度。
2026-03-30 cs.GT cs.LG
VCG Payments for Portfolio Allocations in Online Advertising
一些在线广告只有在广告引起回应时才付费。回复率的随机性和不确定性使得显示这些广告对在线出版商来说是一项风险投资。与金融投资者一样，出版商可以在多个广告产品上使用投资组合分配，以在控制风险的同时追求收入。多个报价的分配没有明显的赢家和亚军，因此通常的第二价格机制不适用。本文提出了一种投资组合配置的定价机制。该机制高效、真实，并提供降低风险的奖励。
2015-06-05 cs.GT q-fin.RM
Mechanism Design with Exchangeable Allocations
我们研究了当代理人有不同类型的偏好时，无报酬的机制设计。相反，在大多数设置在文献中的代理人有相同的偏好，例如，在设施的位置游戏中，所有的代理人都想留在靠近（或远离）的设施，我们证明了机制设计的限制，当代理人有不同的偏好，通过引入交换阶段。我们考虑两种类型的交换阶段。第一种模式称为中央交换，其中交换由中央机构执行。另一种模式被称为个体交换，其中代理人自己交换他们的结果。以设施选址博弈为例，我们提供了一个真实的机制，优化社会福利在中央交换。我们还提供了一个普遍真实的随机机制，在个人交换中实现至少一半的最优社会福利。
2016-09-15 cs.GT
Truthful High Dimensional Sparse Linear Regression
本文针对策略性智能体提供数据的高维稀疏线性回归问题，提出一种具有闭式解的私有估计器及配套支付机制，在实现联合差分隐私、近似真实报告均衡和个体理性的同时保证估计误差与支付预算均趋于零。
2024-10-16 cs.GT
A Redistribution Framework for Diffusion Auctions
再分配机制设计的目的是在不影响真实性的前提下，将真实拍卖所得的收益重新分配给参与者。我们研究扩散拍卖的再分配机制，这是机制设计的新趋势[19]。扩散拍卖的一个关键特性是激励现有的参与者邀请新的参与者加入拍卖。因此，当我们设计再分配时，我们也需要保持这种激励。传统环境中现有的再分配机制的目标是修改真实机制的支付设计，例如维克瑞拍卖。在本文中，我们不关注一个特定的机制。相反，我们提出了一个一般的框架，重新分配的收入回到所有真实的扩散拍卖出售单一项目。该框架将原真实扩散拍卖视为黑盒，并不影响其真实性。该框架还可以分配回几乎所有的收入。
2023-03-06 cs.GT
An Efficient and Truthful Pricing Mechanism for Team Formation in Crowdsourcing Markets
在众包市场中，请求者希望组建一个工作团队来执行需要各种技能的复杂任务。候选工人宣传他们的认证技能，并为他们的参与出价。我们设计了四种激励机制来选择工人组成一个有效的团队（可以完成任务），并确定每个工人的报酬。我们研究的盈利能力，个人的理性，计算效率和真实性的四个机制。我们的分析表明，TruTeam，四个机制之一，是优于其他，特别是由于其计算效率和真实性。我们的大量模拟证实了分析结果，并证明TruTeam是众包市场中团队组建的高效且真实的定价机制。
2018-12-12 cs.GT cs.HC
A Mechanism for Fair Distribution of Resources without Payments
我们设计了一个机制，公平和有效的资源分配（FEDOR）的存在的战略代理。我们考虑一个多实例，贝叶斯设置，其中在每一轮的代理的资源集的偏好是一个私人信息。我们假设在r轮中的每一轮中，n个代理人都在竞争k个不相同的不可分商品，（n > k）。在每一轮中，战略代理人宣布他们在特定回合中收到任何货物的价值。宣布最高估价的代理人收到最高价值的商品，第二高估价的代理人收到第二高价值的商品，等等。因此，我们假设一个决策函数，根据他们的估价将商品分配给代理人。该机制的新颖之处在于，不需要支付计划，以实现真实性的设置与理性/战略代理。FEDOR机制利用了框架的重复性，通过统计检验，能够惩罚误报代理人，公平，真实，具有社会效率。FEDoR是公平的，因为预计在轮的过程中，所有代理人将以相同的次数收到相同的商品。FEDOR是需要随着时间的推移公平分配资源的应用程序的合格候选人。例如，通过同一接入点的节点的相等带宽份额。但更进一步，FEDOR可以应用于不那么琐碎的设置，如赞助搜索，其中付费是必要的，可以以固定参与费的形式提供。在这种程度上，我们进行了比较与传统的机制应用于赞助商的搜索，提出了FEDOR的优势。
2016-04-27 cs.GT
Truthful Generalized Linear Models
King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）；Georgia Institute of Technology（佐治亚理工学院）；Beijing Institute of Technology（北京理工大学）
在本文中，我们研究估计广义线性模型（GLM）的情况下，代理人（个人）是战略或自我利益，他们关心他们的隐私时，报告数据。与经典的设置相比，在这里，我们的目标是设计的机制，既可以激励大多数代理如实报告他们的数据，并保护个人的报告的隐私，而他们的输出也应该接近的基本参数。在本文的第一部分，我们考虑的情况下，协变量是次高斯和响应是重尾的，他们只有有限的四阶矩。首先，由似然函数极大化的平稳条件，我们得到了一个新的私人和封闭形式的估计。在此基础上，通过对线性回归、Logistic回归和Poisson回归等典型模型的计算和支付方案的适当设计，我们提出了一种具有以下性质的机制：（1）该机制是$o(1)$ -联合差分私有的（概率至少为$1-o(1)$）;（2）对于一个$(1-o(1))$ -分数的代理真实地报告他们的数据，它是一个$o(\frac{1}{n})$ -近似贝叶斯纳什均衡，其中$n$是代理的数量;（3）输出可能会导致$o(1)$与基础参数的误差;（4）对于机制中的$(1-o(1))$部分代理，它是单独合理的;（5）运行机制所需的分析师支付预算是$o(1)$。在第二部分中，我们考虑了更一般情况下的线性回归模型，其中协变量和响应都是重尾的，并且只有有限的四阶矩。通过使用一个$\ell_4$ -范数收缩算子，我们提出了一个私人估计和支付方案，具有类似的性质，在亚高斯的情况下。
2022-09-16 cs.CY cs.GT cs.LG
Truthful Mechanisms for Delivery with Mobile Agents
我们研究了博弈论的任务，选择移动代理提供多个项目在网络上。一个实例由$m$消息（物理对象）和$k$移动异构代理给出，这些消息必须在加权无向图中的指定源-目标对之间传输，每个移动异构代理都能够一次传输一个消息。根据[Bärtschi et al. 2016]的最新模型，每个代理$i$消耗的能量与它在图中行进的距离成比例，其中不同的能量消耗率由权重因子$w_i$给出。我们感兴趣的是优化或近似所有选定的代理的总能耗。与以往的研究不同，我们假设权重是私有值只知道各自的代理。我们提出了三种不同的机制，选择，路由和支付的代理人在一个真实的方式，保证自愿参与的代理人，而近似的最佳能源消耗的一个常数的因素。为此，我们分析了以前的结构结果和[Bärtschi et al. 2017]给出的近似算法。最后，我们表明，在某些情况下，在一个单一的包的情况下，付款的总和可以有界的最佳。
2017-08-31 cs.DS cs.GT
Truthful Data Acquisition via Peer Prediction
我们考虑为机器学习或统计估计购买数据的问题。数据分析师有预算从多个数据提供商购买数据集。她没有任何测试数据可用于评估所收集的数据，并且可以仅基于所收集的数据集向数据提供者分配付款。我们在标准贝叶斯范式和两种情况下考虑这个问题：（1）数据只收集一次;（2）数据被重复收集，每天的数据都独立于同一分布。对于这两种设置，我们的机制保证，如实报告自己的数据集始终是一个均衡，采用技术从同行预测：支付每个供应商之间的互信息，他报告的数据和其他供应商的报告数据。根据数据分布情况，这些机制还可以阻止可能导致预测不准确的误报。我们的机制还保证了第一种设置中某些基本分布和第二种设置中所有分布的个人合理性和预算可行性。
2020-10-29 cs.GT
Truthful Multi-unit Procurements with Budgets
我们研究的采购博弈中，每个卖家提供多个单位的物品，每单位的成本只有他自己知道。买家可以从每个卖家那里购买任意数量的单位，对不同的物品组合有不同的价值，并对他的总付款有一个预算。对于一类特殊的采购游戏，{ \em有界背包}问题，我们表明，没有普遍真实的可行的机制可以近似的最优值的买方在$\ln n$，其中$n$是所有项目的单位总数。然后，我们构建了一个多项式时间机制，给出了一个$4(1+\ln n)$ -近似采购游戏{ \em凹添加剂估值}，其中包括有界背包作为一个特殊情况。因此，我们的机制在恒定因子下是最佳的。此外，对于有界背包问题，给定著名的FPTAS，我们的结果意味着有一个可证明的差距之间的优化域和机制设计域。最后，采购游戏{ \em次加性估值}，我们构建了一个普遍真实的可行的机制，给出了一个$O(\frac{\log^2 n}{\log \log n})$ -近似在多项式时间的需求预言。
2014-09-26 cs.GT
TRUST-SC: Truthful Multi-Task Double Auction for Quality-Aware Spatial Crowdsourcing in Strategic Environment
VIT-AP University（维特阿普大学）；Thapar Institute of Engineering & Technology（塔帕尔工程技术学院）
本文提出TRUST-SC机制，通过三层次架构提升空间众包任务分配效率与执行者可靠性，采用多单位双拍卖确保激励相容性，实验证明其优于现有机制。
2026-04-24 cs.GT
Truthful ownership transfer with expert advice: Blending mechanism design with and without money
当一家公司进行合并或转让其所有权时，现有的管理机构对哪个买家应该作为新的所有者接管有意见。类似的情况发生在分配大型体育赛事的主办方时，比如世界杯或奥运会。在所有这些情况下，外部投标人的价值观与内部专家的意见同样重要。出于这种情况下，我们认为社会福利最大化的方法来设计和分析真实的机制在{ \em混合社会选择}设置，付款可以强加给投标人，但不是专家。由于这个问题是有和没有货币转移的机制设计的组合，因此不能应用像VCG这样的经典解决方案，这使得它成为一个新的机制设计问题。我们考虑一个专家和两个投标人的简单但基本的情况下，并提供严格的近似保证的最优社会福利。我们区分使用序数和基数信息的机制，以及基于双方之一（投标人或专家）或双方的决策机制。我们的分析表明，基数设置是相当丰富的，并承认几个非平凡的随机真实的机制，也允许接近最优的福利保障。
2020-02-21 cs.GT
Egalitarian and Congestion Aware Truthful Airport Slot Allocation Mechanism
我们提出了一种机制，公平地分配插槽在拥挤的机场。这一机制：（a）确保航班时段是根据航空公司的真实估值而分配;（b）为连接偏远城市和大型机场的航班提供公平的机会;及（c）控制每个航班时段的航班数目，以尽量减少挤塞情况。该机制从经济学理论中得到启示。它根据仿射最大化分配规则分配插槽，并向航空公司收取费用，以激励他们透露自己的真实估值。分配还优化了每个时隙的占用率，以使它们尽可能不拥塞。该公式在强多项式时间内求解最优积分解。我们从印度的两个主要机场收集的数据进行实验。我们还将我们的结果与现有的分配以及基于国际航空运输协会（IATA）准则的分配进行了比较。计算结果表明，使用我们的机制产生的社会效用是20-30%，高于国际航空运输协会和目前的分配。
2021-04-24 cs.GT
Generalized Assignment Problem: Truthful Mechanism Design without Money
本文研究了无支付和无先验环境下广义指派问题（GAP）的一个策略变体的真实机制设计问题。在GAP中，一组项目必须被最优地分配给一组bin，而不超过任何单个bin的容量。在我们研究的问题的战略变体中，箱子由战略代理人持有，每个代理人可能会隐藏其与某些项目的兼容性，以获得更高价值的项目。代理和物品之间的兼容性编码代理接收物品的意愿。我们的目标是最大化总价值（代理价值的总和，或社会福利），同时证明没有代理可以从隐藏其与物品的兼容性中获益。该模型可应用于有预算投标人的拍卖。对于问题的两个变体，即\emph{multiple knapsack problem}中的每个项目具有相同的大小和值的箱子，和\emph{density-invariant GAP}中的每个项目具有相同的值密度的箱子，我们提出了真实的$4$ -近似算法。对于一般的问题，我们提出了一个$O(\ln{(U/L)})$ -近似机制，其中$U$和$L$是兼容项目箱对的值密度的上界和下界。
2017-01-15 cs.GT
Frugal and Truthful Auctions for Vertex Covers, Flows, and Cuts
我们研究真实的机制，雇用一个团队的代理商在三类集系统：顶点覆盖拍卖，k流拍卖，和削减拍卖。对于顶点覆盖拍卖，顶点由自私和理性的代理人拥有，拍卖者希望从他们那里购买顶点覆盖。对于k-流拍卖，边由代理人拥有，并且拍卖者想要购买k条边不相交的s-t路径，对于给定的s和t。在同样的情况下，对于分割拍卖，拍卖师希望购买s-t分割。只有代理人知道他们的成本，拍卖人需要选择一个可行的集合和支付的基础上，由代理人出价。我们提出了所有三套系统的恒定竞争的真实机制。也就是说，对于该类中的每个集合系统，该机制的最大超额支付在任何真实机制的最大超额支付的恒定因子内。顶点覆盖的机制是基于通过从某个矩阵的主特征向量导出的乘数来缩放每个出价。k-流的机制将图修剪为最小（k+1）-连通，然后应用顶点覆盖机制。类似地，用于切割的机制收缩图，直到所有s-t路径的长度正好为2，然后应用顶点覆盖机制。
2011-06-13 cs.CC cs.GT
Service-Constraint Based Truthful Incentive Mechanisms for Crowd Sensing
人群感知是一种新的模式，它利用无处不在的智能手机来有效地收集和上传传感数据，从而实现许多新颖的应用。为了实现良好的服务质量的人群感应应用，激励机制是必要的，以吸引更多的用户参与。大多数现有机制仅适用于平台（人群感测组织者）具有预算限制的非约束场景。相反，我们关注的是平台有服务限制的不同场景。基于离线和在线拍卖模型，我们考虑了一个一般性的问题：用户提交他们的私人档案的平台，和平台的目标是选择一个子集的用户在指定的截止日期之前，以最小化总支付，而特定的服务可以完成。特别地，针对选择用户的价值函数是单调子模的情况，设计了离线和在线服务约束激励机制。这些机制分别是个体理性、任务可行性、计算效率、真实性、消费者主权、持续节俭，在实践中也表现良好。最后，我们使用大量的模拟来证明我们的机制的理论特性。
2014-12-24 cs.GT cs.NI
Truthful Assignment without Money
我们研究了真实机制的设计，不使用支付的广义分配问题（GAP）及其变种。GAP的一个实例由一个二分图组成，一边是作业，另一边是机器。机器有容量，边有值和大小;目标是构造一个福利最大化的可行分配。在我们的模型中的私人估值，动机不可能的结果，所有的工作机器对的值和大小是公共信息，但是，是否存在的边缘或不存在的二分图是一个工作的私人信息。我们从匹配开始研究GAP的几个变体。对于未加权的版本，我们给出了一个最佳的防策略机制;然而，对于最大权重二分匹配，我们给出了一个2-近似防策略机制，并通过匹配下界表明这是最佳的。接下来我们研究背包类问题，这是APX困难的。对于这些问题，我们开发了一个通用的LP为基础的技术，扩展了拉维和斯瓦米的想法，以减少设计一个真实的机制，没有钱设计这样的机制的分数版本的问题，在损失的一个因素等于完整性差距的近似比。我们使用这种技术来获得strategyproof机制与这些问题的常数近似比。然后，我们设计了一个O（log n）-近似的防策略机制的差距减少，对数损失的近似，我们的解决方案的值不变的差距。我们的技术可能是独立的利益，设计真实的机制，没有钱的其他LP为基础的问题。
2011-04-16 cs.GT
Auctions with Online Supply
我们研究的问题，销售相同的商品，以n个单位需求投标人在设置中的总供应量的商品是未知的机制。物品是动态到达的，卖家必须以最大化社会福利为目标在线做出分配和支付决定。我们考虑两个模型的未知供应：对抗性供应模型，其中的机制必须产生福利保证任何任意的供应，和随机供应模型，其中的供应是从一个已知的分布机制，和机制只需要提供一个福利保证的期望。我们的主要结果是这两个模型之间的分离。我们表明，所有的真实机制，即使是随机的，实现了最佳社会福利的一个递减的分数（即，没有比欧米茄（loglog n）近似）在对抗设置。与此形成鲜明对比的是，在随机模型中，在标准的单调风险率条件下，我们提出了一个真实的机制，实现了恒定的近似。我们表明，单调风险率条件是必要的，也刻画了一个自然子类的真实机制，在我们的设置，在线嫉妒自由机制。我们提出的所有机制都属于这一类，我们证明了这种机制几乎是最优的下界。由于拍卖与未知的供应经常运行在许多在线广告设置，我们的主要研究结果强调了在这样的环境中的拍卖设计中考虑分布信息的重要性。
2009-05-21 cs.DS cs.GT
Frugality ratios and improved truthful mechanisms for vertex cover
在{ \em集合系统拍卖}中，有几个重叠的代理团队，并且可以由这些团队中的任何一个完成任务。买家的目标是雇用一个团队，并支付尽可能少的费用。最近，Karlin、Kempe和Tamir为该设置引入了{ \em节俭比}的新定义。非正式地说，节俭比率是一种机制的总支付额与可感知的公平成本的比率。在本文中，我们研究这一点连同其他概念的公平成本，以及如何产生节俭率相互关联的各种设置系统。基于Bar-Yehuda和Even的{ \em local ratio}算法，提出了一种新的真实多项式时间拍卖顶点覆盖问题（其中可行集对应于给定图的顶点覆盖）.该机制保证找到一个获胜的集合，其成本最多是最优的两倍。在这种情况下，即使它是NP-难找到一个最低成本的可行集，我们表明，{ \em局部最优}的解决方案可以用来获得节俭的界限内的最佳可能的常数因子。为了证明这一结果，我们使用我们的替代概念节俭通过自举技术，这可能是独立的利益。
2007-07-23 cs.GT
Sequential Peer Prediction: Learning to Elicit Effort using Posted Prices
同行预测机制经常被用来在没有地面事实验证的情况下从人群工作者那里获得真实的贡献。最近，这种类型的机制已经发展到激励努力，除了真实的启发。在本文中，我们研究了一个顺序的同行预测问题，数据请求者希望动态地确定奖励水平，以优化工人的信息质量和总的预期支付之间的权衡。在这个问题中，工人有同质的专业知识和异构的成本，为施加努力，都是未知的请求者。我们提出了一个连续的标价机制，动态学习工人的贡献，并激励努力工作和真实的报告的最佳奖励水平。我们发现：（1）在我们的机制中，工作者根据非退化阈值策略付出努力，然后如实报告，这是一个均衡，每个工作者都能获得最高的效用;（2）我们的学习机制w.r.t.提供最优报酬（价格）的上限为$\tilde{O}(T^{3/4})$，其中$T$是学习范围。我们进一步展示了我们的学习方法的力量时，工人的报告不一定遵循博弈论的均衡。
2016-12-02 cs.GT
Stochastically Dominant Peer Prediction
DIMACS, Rutgers University（罗格斯大学DIMACS研究中心）；University of Michigan, Ann Arbor（密歇根大学安娜堡分校）
本文提出随机占优真实性机制，以增强同伴预测机制的诚实性，通过二元彩票评分和新机制在保持敏感度的同时提高效率。
2026-03-20 cs.AI cs.GT
A Truthful $(1-ε)$-Optimal Mechanism for On-demand Cloud Resource Provisioning
云计算中的按需资源供应提供量身定制的资源包（通常以VM的形式）以满足用户的需求。如今，公共云提供越来越多的复杂类型的VM，但尚未提供最灵活的动态VM组装，部分原因是缺乏现场定价定制VM的成熟机制。这项工作提出了一种有效的随机拍卖机制的基础上平滑的分析和随机减少，动态虚拟机配置和定价在地理分布的云数据中心的新应用。据我们所知，这次拍卖是文献中第一次实现（i）期望的真实性，（ii）期望的多项式运行时间，以及（iii）$(1-ε)$ -资源分配期望的最佳社会福利，其中$ε$可以任意接近0。我们的机制包括三个模块：（1）求解NP难社会福利最大化问题的精确算法，其在期望中在多项式时间内运行，（2）基于扰动的随机化资源分配方案，其产生$(1-ε)$最优的VM供应解决方案，以及（3）拍卖机制，其将基于扰动的方案应用于动态VM供应并且使用随机化VCG支付对定制VM定价，在期望中保证真实性。我们通过仔细的理论分析和跟踪驱动的模拟验证了该机制的有效性。
2016-11-23 cs.DC cs.GT
Valuation Compressions in VCG-Based Combinatorial Auctions
经典机制设计的重点一直是真实的直接揭示机制。在组合拍卖的背景下，使社会福利最大化的真实直接揭示机制是VCG机制。然而，对于许多估值空间，计算VCG机制的分配和支付是一个计算困难的问题。因此，我们研究的VCG机制的性能时，投标人被迫选择出价从子空间的估值空间，VCG的结果可以有效地计算。我们证明了改进的上限福利损失的限制添加剂出价和上限和下限限制非添加剂出价。这些界限表明，福利损失增加的表现力。我们所有的界限都适用于可以在多项式时间内计算的均衡概念以及学习结果。
2013-10-11 cs.GT
The Communication Complexity of Payment Computation
设$(f,P)$为激励相容机制，其中$f$为社会选择函数，$P$为支付函数。在许多重要的设置中，$f$唯一地确定$P$（直到常数），因此常见的方法是专注于$f$的设计而忽略支付功能的作用。Fadel和Segal [JET，2009]通过从通信复杂性的角度来质疑这种方法：实现$f$（即计算输出和支付）的激励兼容机制的通信复杂性会比计算输出的通信复杂性大得多吗？即，会不会是那个$cc_{IC}(f)>>cc(f)$？Fadel和Segal表明，对于每个$f$，$cc_{IC}(f)\leq exp(cc(f))$。他们还表明，完全计算的激励兼容机制是严格困难的，比只计算输出：存在一个社会选择功能$f$，使$cc_{IC}(f)=cc(f)+1$。在后续工作中，Babaioff，Blumrosen，Naor和Schapira [EC'08]提供了一个社会选择函数$f$，使得$cc_{IC}(f)=Θ(n\cdot cc(f))$，其中$n$是参与者的数量。Fadel和Segal的指数上界是否是紧的问题仍然是开放的。在本文中，我们解决了这个问题，明确提供了一个$f$，使$cc_{IC}(f)= exp(cc(f))$。事实上，我们通过两个非常不同的证明来证明这一点。相比之下，我们表明，如果玩家是风险中性的，我们可以妥协的随机真实的预期实现（而不是确定性的事后实现）给出了$cc_{TIE}(…
2020-12-29 cs.GT
Multi-agent Adaptive Mechanism Design
Massachusetts Institute of Technology（麻省理工学院）；National University of Singapore（新加坡国立大学）
本文提出一种自适应机制框架DRAM，通过结合机制设计和在线学习，在未知代理人信念的情况下实现 truthful 报告和成本最优，证明了其在累积遗憾上的最优性能。
2026-04-20 cs.AI cs.GT cs.LG
Simple Mechanisms for Welfare Maximization in Rich Advertising Auctions
互联网广告拍卖已经从几行文字发展到更丰富的信息布局，包括图像、网站链接、视频等。这些新格式的广告占据不同的空间，广告商可以提供多种格式，只能显示其中一种。卖方现在面临着一个多参数的机制设计问题。计算一个有效的分配是计算棘手的，因此标准的Vickrey-Clarke-Groves（VCG）拍卖，虽然真实和福利最优，是不切实际的。在本文中，我们解决了现代广告拍卖设计中的一个基本问题。我们采用了“迈尔逊”的方法和研究分配规则，都是单调的出价和丰富的广告集。我们表明，这样的规则可以与支付功能配对，以提供一个真实的拍卖。我们的主要技术挑战是设计一个单调的规则，产生一个很好的近似最优福利。单调性不适用于标准算法，例如增量bang-per-buck顺序，它对像我们这样的“背包式”问题给出了很好的近似。事实上，我们表明，没有确定性的单调规则可以近似的最佳福利比$2$的因素（而有一个非单调的FPTAS）。我们的主要结果是一个新的，简单的，贪婪和单调的分配规则，保证了$3$近似。在实际的广告拍卖中，单调分配规则通常与所谓的广义第二价格（GSP）支付规则配对，该规则收取最低阈值价格，低于该价格分配会发生变化。我们证明了，即使我们的单调分配规则与GSP配对是不真实的，其无政府代价（PoA）是有界的。在标准的无竞价假设下，证明了$6$的纯PoA界和$\frac{6}{(1 - \frac{1}{e})}$的…
2022-06-06 cs.GT
Mechanism Design for LLM Fine-tuning with Multiple Reward Models
CFCS, School of Computer Science, Peking University（北京大学计算机科学与技术系前沿计算研究中心）；Inria, École Normale Supérieure, PSL Research University（法国国家信息与自动化研究所，巴黎高等师范学院，PSL研究大学）；Microsoft Research Asia（微软亚洲研究院）
本文提出基于多重奖励模型的LLM微调机制设计，通过机制设计解决智能体策略性误报问题，实现社会福利最大化并确保支付规则的激励兼容性。
2026-02-10 cs.GT
Average-case Approximation Ratio of Scheduling without Payments
除了继承经济学和博弈论的原理和方法外，数学机制设计的研究通常采用理论计算机科学的最坏情况分析和近似方案。例如，近似比，这是一个规范的措施，评估如何以及激励兼容的机制近似优化的目标，定义在最坏的情况下的意义。它将最优机制的性能与真实机制的性能进行比较，对于所有可能的输入。在本文中，我们采取平均情况分析的方法，并解决了一个主要的激励问题，在机械机制设计-调度问题[Nisan和Ronen 1999]。[Koutsoupias 2014]研究了该问题的一个版本，其中包括验证组件。结果表明，该问题有一个严格的逼近比界为（n+1）/2的单任务设置，其中n是机器的数量。然而，我们表明，当机器执行任务的成本遵循任何独立和相同的分布时，[Koutsoupias 2014]中给出的机制的平均情况近似比的上限是一个常数。这个正结果渐近地将平均情况比率与最坏情况比率分开，并且表明该问题的最优机制实际上平均工作良好，尽管在最坏情况下该机制的期望成本是最优成本的Theta（n）倍。
2017-12-13 cs.GT
Buying Private Data without Verification
我们考虑的问题，设计一个调查，从一个隐私敏感的人口聚集不可验证的信息：分析师希望计算一些总的统计数据从每个成员的人口持有的私人位，但不能验证参与者在他的调查报告的位的正确性。人口中的个体是具有隐私成本的策略代理人，\ie，他们不仅考虑了他们期望从机制中获得的支付，而且考虑了他们的隐私成本，这些隐私成本来自机制的结果-计算的统计数据以及支付-以确定他们的效用。当个体战略性地决定是否参与和是否如实报告他们的敏感信息时，分析师如何设计支付方案以获得对总体统计数据的准确估计？我们设计了一个差分私人同行预测机制，支持准确估计的人口统计作为贝叶斯-纳什均衡的设置，代理人有明确的偏好隐私。该机制需要关于比特$b_i$的边缘先验分布的知识，但不需要关于成本$c_i$的边缘分布的全部知识，而是仅需要近似的上限。我们的机制保证$ε$ -差分隐私每个代理$i$对任何对手谁可以观察到的统计估计输出的机制，以及支付给$n-1$其他代理$j\neq i$。最后，我们表明，通过对每个代理的隐私成本函数进行稍微更结构化的假设，随着代理数量的差异，运行调查的成本将由$0$承担。
2014-04-24 cs.CR cs.DS 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
Truthful Mechanisms for Secure Communication in Wireless Cooperative System
确保数据传输的安全性是无线中继网络面临的最重要的问题之一，而物理层安全是解决这一问题的一个有吸引力的替代方案。在本文中，我们考虑一个合作网络，由一个源节点，一个目的节点，一个窃听节点，和一些中继节点。具体地，源可以选择几个中继来帮助将信号转发到相应的目的地，以实现最佳的安全性能。然而，中继站可能有动机不报告其真实的私有信道信息，以获得更多的被选择的机会，并从源获得更多的回报。我们提出了一个基于Vickey-Clark-Grove（VCG）的机制和一个基于Arrow-d 'Aspremont-Gerard-Varet（AGV）的机制到研究的中继网络来解决这个作弊问题。在这两种不同的机制中，我们设计了不同的“转移支付”功能，每个选定的中继的回报，并证明了每个中继得到最大（预期）的回报时，如实透露其私人信道信息的来源。然后，可以实现网络的最佳保密率。通过对VCG和AGV机制的讨论和比较，证明了AGV机制能够满足系统的所有基本条件（激励相容性、个体理性和预算平衡）。此外，我们讨论了中继的最佳数量，源节点应选择。仿真结果验证了VCG和AGV机制的效率和公平性，并巩固了这些结论。
2013-07-30 cs.CR cs.GT
Online Truthful Mechanisms for Multi-sided Markets
多边市场机制的研究越来越受到研究界的关注，并受到网络和电子商务中此类市场的众多例子的推动。这些例子中的许多代表了动态和不确定的环境，因此，实际上需要在线机制。不幸的是，据我们所知，以前没有任何一个多边市场（甚至是双边市场）的在线机制能够（近似）最大化贸易收益，同时保证理想的经济属性，如激励诚实，自愿参与和避免预算赤字。在这项工作中，我们提出了第一个在线机制的多边市场具有上述属性。我们的机制是为[Feldman and Gonen（2016）]建议的市场环境而设计的;这是由可预见的未来在线广告形式所推动的。我们设定的在线性质促使我们定义了一个更强的个体理性概念，称为“持续的个体理性”，捕捉了玩家永远不会因为参与机制或过早离开而失败的自然要求。满足连续的个人理性的要求，以及我们的机制保证的其他经济属性，需要该机制使用一种新的定价方案，在该机制的执行过程中，用户可以获得持续的增量支付到一个预先知道的最大值。由于用户在现实中很少得到报酬，这种定价方案对于机制设计来说是新的。然而，它所基于的原则可以在许多常见的现实生活场景中观察到，例如高管薪酬支付和公司收购交易。我们相信，我们新的动态定价方案概念和我们强化的个人理性概念都具有独立的利益。
2016-09-06 cs.GT
Using Lotteries to Approximate the Optimal Revenue
最近有很多关于向自私的投标人出售商品的真实机制的收入增加特性的研究。通常，将机制的收入与基准（例如，无所不知的卖方以固定价格向至少两个客户销售可获得的最大收入）进行比较，以了解在最坏情况下，机制的收入比基准低多少。我们在{ \em lotteries}的上下文中研究这个问题，其中卖方可以出售赢得物品的概率。我们对两个一般性问题感兴趣。首先，我们的目标是使用真正的最佳收入作为基准，我们的拍卖。其次，我们研究了彩票的表现力在多大程度上有助于改善最坏情况的比率。我们在众所周知的{ \em digital goods}的背景下对此进行研究，其中生产成本为零。我们表明，在这种情况下，抗串通彩票（这些彩票没有投标人交换侧支付联盟在说谎方面具有优势）与真实的彩票一样强大。
2013-01-11 cs.GT
Mechanism Design with Moral Bidders
行为经济学和心理学中关于说谎的文献迅速增长，表明即使说谎使其效用最大化，个体也通常不会说谎。在这项工作中，我们试图将这些发现纳入机制设计的理论。我们考虑的是那些偏好说真话的参与者，只有当他们从撒谎中获得的利益远远大于其他人的损失时，他们才会撒谎。为了适应这样的球员，我们引入了$α$ -道德机制，其中一个球员从误报他的真实价值的收益相比，说实话，最多是$α$倍的损失，其他人由于误报。我们开发了一个理论的道德机制，在规范设置的单一项目拍卖。我们确定的相似性和差异的真实机制的标准理论。特别是，我们表明，分配函数并不唯一地确定的付款，是不可能承认一个简单的特征。与此相反，回想一下，单调性是真实机制的分配功能的特征。我们的主要技术工作是投资于确定拍卖是否可以利用玩家的实话实说的偏好，以提取更多的收入相比，真实的机制。我们表明，当参与者的价值相关时，即使只有两个参与者，拍卖师也可以获得更多的收入。然而，我们发现，真实的机制是收入最大化，即使在道德的球员的价值是独立的，从某些相同的分布。作为一个副产品，我们得到了另一种证明迈尔森的特点，在我们考虑的设置。我们充实了这种方法，提供了另一种证明迈尔森的特征，不涉及道德机制时，价值观是独立的定期分配。
2021-11-20 cs.GT
Frugal Mechanism Design via Spectral Techniques
我们研究的设计真实的机制，为集系统，即，客户需要雇用一组代理来执行复杂任务的场景。在这种情况下，节俭[Archer&Tardos'02]提供了一个衡量“真实性成本”的标准，即相对于“公平”支付的真实机制的超额支付。我们提出了一个统一的计划，设计节俭的真实机制一般集系统。我们的计划是基于缩放代理人的出价使用的矩阵，编码代理之间的相互依赖性的特征向量。我们证明了r-出-k-系统机制和\sqrt -机制购买图中的路径[Karlin et. 05]可以被看作是我们方案的实例。然后，我们将我们的计划，以其他两类集系统，即顶点覆盖系统和k-路径系统，其中客户需要购买k边不相交的源-汇路径。对于这两种设置，我们约束我们的机制在各自的相互依赖矩阵的最大特征值方面的节俭。我们表明，我们的机制是最佳的一个大子类的顶点覆盖系统满足一个简单的局部稀疏性条件。对于k-路径系统，虽然我们的机制是在一个因素的k + 1从最佳的，我们表明，它是，事实上，最佳的，当一个人使用一个修改后的定义节俭提出[Elkind等人。'07]。我们的下界论证结合了谱技术和Young不等式，并且适用于所有的集合系统。由于r-out-of-k系统和单路系统都可以看作是k-路系统的特殊情况，我们的结果改进了[Karlin et al. [05]并回答了该论文中提出的几个开放性问题。
2010-04-11 cs.GT
Payment Rules through Discriminant-Based Classifiers
École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）；University of Cambridge（剑桥大学）；Harvard University（哈佛大学）；Boston University（波士顿大学）
在机制设计中，典型的做法是施加激励相容性，然后推导出受此约束的最优机制。通过将激励相容性要求替换为最小化预期事后后悔的目标，我们能够将统计机器学习技术应用于支付规则的设计。这种机制设计的计算方法适用于具有多维类型的域和计算效率是关注点的情况。具体来说，给定一个结果规则和访问类型分布，我们训练一个支持向量机与一个特殊的判别函数结构，使它隐含地建立一个支付规则与理想的激励属性。我们讨论了应用程序的多头脑的组合拍卖与贪婪的赢家确定算法和分配问题与平均主义的结果规则。实验结果表明，该结构产生的支付规则具有较低的事后遗憾，惩罚分类错误是有效的，在防止失败的事后个人理性。
2012-08-06 cs.AI cs.GT
From Compensation Design to Budget-Feasible Mechanisms: A Constant Approximation for Subadditive Valuations
CMU（卡内基梅隆大学）；Google Research（谷歌研究院）；Yale University（耶鲁大学）
该研究推进预算可行机制设计，针对次可加估值等提出多项式时间常数近似机制，解决长期开放问题，还为多获胜者选举提供了相关进展。
2026-08-10 cs.DS cs.GT
