A Game Theoretic Analysis of Incentives in Content Production and Sharing over Peer-to-Peer Networks
用户生成的内容可以使用对等（P2P）网络以低成本分发，但搭便车问题阻碍了P2P网络的利用。为了实现P2P网络的有效利用，我们调查的基本问题，激励内容的生产和共享，利用博弈论。我们建立了一个基本模型来分析非合作的结果，没有一个激励计划，然后使用不同的游戏配方从基本模型来检查五个激励计划：合作，支付，重复互动，干预，并强制充分共享。研究结果表明：1）合作节点共享所有产生的内容，而非合作节点在没有激励机制的情况下根本不共享; 2）合作机制允许节点消费比非合作结果更多的内容; 3）通过引入基于付费、重复交互或干预的激励机制，非合作节点之间可以实现合作结果; 4）强制完全共享对同伴的福利影响不明确。除了描述不同配方的解决方案，我们讨论了执行和信息的要求，以实现每个解决方案，旨在为协议设计者提供一个指导方针时，设计P2P网络的激励计划。
2010-01-23 cs.GT cs.NI
A Tractable Continuous-Time Model for Designing Interventions for Time-Inconsistent Agents
NTT Human Informatics Laboratories（NTT人类信息学实验室）；NTT Communication Science Laboratories（NTT通信科学实验室）；NTT Network Service Systems Laboratories（NTT网络服务系统实验室）
研究为时间不一致代理在有期限约束的基于进度的任务中设计干预措施，提出可处理连续时间模型，分析代理行为并研究最优目标设定与奖励调度问题，给出结果及与离散时间模型的差异。
2026-07-07 cs.GT
The Theory of Intervention Games for Resource Sharing in Wireless Communications
本文发展了一个博弈论框架的设计和分析一类新的激励计划称为干预计划。我们制定干预对策，提出了干预均衡的解决方案的概念，并证明了它的存在性在有限干预对策。我们将我们的框架应用于无线通信中的资源共享场景，其非合作的结果，而不干预产生次优性能。我们得出的分析结果，并分析说明性的例子中的情况下，不完善和完善的监测。在不完善的监测的情况下，干预方案可以改善非合作均衡的次优性能时，干预设备具有足够准确的监测技术，虽然它可能无法实现最佳可行的性能。在理想监测的情况下，当干预设备具有足够强的干预能力时，干预方案可以获得最佳可行性能。
2011-07-16 cs.GT
Designing Rating Systems to Promote Mutual Security for Interconnected Networks
互联的自治系统通常会共享安全风险。然而，如果成本超过其自身的利益，即使这样做对社会有益，自治系统也缺乏进行（足够的）安全投资的激励。在本文中，我们开发了一个系统的和严格的框架，分析和显着提高相互安全的一组AS，经常在很长一段时间内相互作用。使用这个框架，我们表明，简单的激励计划的基础上评级系统可以设计，以鼓励自治系统的安全投资，从而显着提高他们的相互安全。
2012-11-10 cs.GT cs.NI
Pricing and Intervention in Slotted-Aloha: Technical Report
在许多无线通信网络中，公共信道由多个用户共享，这些用户必须竞争以获得对该信道的接入，自私的和策略性的用户对网络的操作通常导致信道资源的过度使用和显著的低效率。因此，需要激励机制来克服非合作均衡的低效率。在这项工作中，我们考虑一个slotted-Aloha随机接入协议和两个激励方案：定价和干预。我们提供了一些标准的协议的设计者之间选择一个方案，并根据系统参数为选定的方案设计最佳的政策。我们的研究结果表明，干预可以实现最大的效率，在完美的监测方案。相反，在不完善的监测情况下，系统的性能取决于不同实体所持有的信息，并且在某些情况下，存在用户数量的阈值，使得对于低于阈值的用户数量，干预优于定价，而对于高于阈值的用户数量，定价优于干预。
2012-11-15 cs.GT cs.NI
Co-evolution of social reward and punishment under institutional interventions
该研究在社会困境中结合同伴与制度激励，通过理论分析与模拟揭示：同伴惩罚促合作、同伴奖励增福利，制度性奖励同伴激励策略效果显著，惩罚同伴激励策略则损害社会收益，为制度设计提供了原则。
2026-08-04 cs.AI cs.GT cs.MA
Designing Incentive Schemes For Privacy-Sensitive Users
企业（零售商）通常希望向个人（消费者）提供个性化的广告（优惠券），但有可能引起消费者的强烈反应，这些消费者想要定制的购物体验，但觉得他们的隐私受到了侵犯。现有的隐私模型，如差分隐私或信息论试图量化隐私风险，但没有捕捉到的主观经验和隐私敏感性的异质表达。我们提出了一个马尔可夫决策过程（MDP）模型来捕获（i）不同的消费者隐私敏感度通过随时间变化的状态;（ii）不同的优惠券类型（动作集）的零售商;（iii）的动作和状态相关的成本感知隐私侵犯。对于简单的情况下，两个状态（“正常”和“警报”），两个优惠券（有针对性的和非有针对性的）模型，和消费者的行为统计已知的零售商，我们表明，一个固定的阈值为基础的政策是最佳的优惠券提供策略的零售商，希望最大限度地减少其预期的折扣成本。阈值是所有模型参数的函数;如果零售商认为消费者处于“警报”状态，则零售商提供有针对性的优惠券。我们扩展这个两状态模型的消费者与多个隐私敏感性的状态，以及优惠券依赖的状态转移概率。此外，我们研究了不完美的（噪声）的消费者的成本反馈和不确定的初始信念状态的情况下。
2015-09-23 cs.CR cs.GT
A Survey of Incentives and Mechanism Design for Human Computation Systems
人类计算系统（HCS）已经广泛应用于各个领域。他们的目标是利用人类智能来解决超出现代计算机能力的计算问题。HCS中最具挑战性的问题之一是如何激励广泛的用户参与系统并做出高努力。本文从激励机制和机制设计两个方面对人力资源社会保障领域进行了综述。我们首先回顾最先进的HCS，重点是如何向用户提供激励。然后，我们使用机制设计理论分析不同的激励。我们调查的机制，来自国家的最先进的HCS以及经典的机制，已被用于HCS。最后，我们讨论了八个有前途的研究方向，在HCSs的激励设计。
2016-02-10 cs.GT cs.HC
Intervention in Power Control Games With Selfish Users
研究了具有自私用户的无线自组织网络中的功率控制问题。在没有激励机制的情况下，自私用户倾向于以其最大功率电平进行传输，从而对彼此造成显著干扰。在本文中，我们研究了一类基于干预的激励机制，以诱导自私的用户发送在期望的功率水平。干预方案可以通过引入干预设备来实现，该干预设备可以监视用户的功率电平，然后发送功率以对用户造成干扰。我们主要考虑基于个人发射功率的一阶干预规则。我们推导出设计参数和干预能力的条件，以实现所需的结果作为（唯一的）纳什均衡，并提出了一个动态的调整过程，设计师可以用来指导用户和干预设备所需的结果。最后分析了基于总接收功率的干预规则的效果。我们的研究结果表明，与完美的监测干预方案可以被设计为实现任何积极的功率分布，而使用的干扰干预设备只作为一种威胁。我们还分析了不完善的监控的情况下，性能损失可能会发生。最后，通过仿真实验说明了使用干预规则后系统性能的改善，并比较了不同干预规则的性能。
2011-11-25 cs.GT cs.IT cs.NI
Portfolio-Based Incentive Mechanism Design for Cross-Device Federated Learning
针对跨设备联邦学习中客户端性能随机难预估导致激励机制设计有偏差的问题，提出基于投资组合理论的FL-IMP机制，并引入FL-ABM模拟自主客户端，实验验证其效果优于基准方法。
2024-07-12 cs.GT
A Novel Methodology for designing Policies in Mobile Crowdsensing Systems
移动众测是一种以人为中心的感知系统，它基于用户的贡献和激励机制。在我们的工作中，我们通过博弈论方法重新思考了激励机制的设计。因此，我们引入了一个多层社会感知框架，其中人类作为社会传感器在多个社会层和各种服务上进行交互。我们已经提出了这些动态的相互作用，包括同质性的概念，我们已经建模的进化动力学的传感行为，通过定义一个数学框架的基础上，多重EGT，量化同质性，网络异质性和各种社会困境的影响。我们已经发现了导致人类合作的出现和可持续性的社会困境和网络结构的配置。此外，我们定义和评估的本地和全球纳什均衡点，包括同质性和异质性的概念。我们分析定义和测量新的统计措施的社会诚信，生活质量和用户的行为声誉分数的基础上的进化动力学。我们已经定义了决策支持系统和一个新的激励机制，通过对用户的声誉评分方面的政策，也包括用户的行为以外的质量和数量的贡献。在实验中，我们考虑了Waze数据集上的车辆交通监控应用程序，并得出了我们的方法与基线相比，奖励支出。结果表明，我们的方法，其中还包括本地（微观）的时空分布的行为，能够更好地区分用户的行为。这种多尺度的用户特征代表了一个新的研究方向，为移动人群感知系统的新政策铺平了道路。
2020-09-07 cs.GT cs.SI
Mechanism Design with Strategic Mediators
我们考虑的问题，设计机制，通过战略中介（或中介）与战略代理人互动，并调查社会成本，由于中介的战略行为。拥有私人信息的自私代理人都与一个策略中介人相关联，并且只能通过该中介人与该机制进行交互。每个中介者的目标是优化其代理人的组合效用，而机制的目标是优化所有代理人的组合效用。我们专注于设施的位置上的度量引起的一个公知的树的问题。对于非策略中介，存在最优的主导策略机制。我们表明，当代理人和调解人的行为策略，有没有占主导地位的战略机制，实现任何近似。因此，我们稍微放松了激励约束，并定义了双边激励相容机制的概念。我们证明了Procaccia and Tennenholtz（2013）和Dekel et al.（2010）提出的$3$ -竞争确定性机制可以自然地扩展到树，并且仍然是$3$ -竞争和双边激励相容的。这基本上是最好的可能。然后，我们表明，通过允许随机化可以构建一个$2$竞争随机机制，是双边激励兼容，这也是本质上紧。这一结果也填补了Procaccia and Tennenholtz（2013）和Lu et al.（2009）工作中留下的空白，即为一条线上没有中介的加权代理设计策略验证机制的更简单问题，同时扩展到更一般的树模型。我们还调查了上述设置有多个层次的调解人的进一步推广。
2015-01-19 cs.GT
From Competition to Collaboration: Designing Sustainable Mechanisms Between LLMs and Online Forums
Technion–Israel Institute of Technology（技术离子-以色列理工学院）；University of Groningen（Groningen大学）；NVIDIA Research（NVIDIA研究）
本文提出一个序列交互框架，使LLMs与论坛协作，解决生成式AI依赖论坛数据的悖论，通过模拟展示激励不一致问题，证明可持续知识共享的潜力。
2026-04-30 cs.AI cs.GT
Designing Equilibria in Concurrent Games with Social Welfare and Temporal Logic Constraints
本文研究并发博弈中的均衡设计，通过设计激励使博弈的纳什均衡满足LTL或GR(1)时间逻辑性质，并分析了相关决策与优化问题的复杂性，为理性综合与博弈修复提供了替代方案。
2024-12-03 cs.GT cs.LO cs.MA
Intervention Mechanism Design for Networks With Selfish Users
我们考虑一个多用户网络，网络管理员和自私的用户进行交互。网络管理员监控用户的行为，并在必要时干预用户之间的交互，而用户独立地做出决策，以优化他们的个人目标。在本文中，我们开发了一个干预机制设计的框架，这是旨在优化管理员的目标，或网络性能，考虑自私用户的激励。我们的框架是通用的，足以覆盖广泛的应用场景，它具有优势，现有的方法，如Stackelberg策略和定价。为了设计一个干预机制，并预测由此产生的操作点，我们制定了一类新的游戏称为干预游戏和一个新的解决方案的概念称为干预均衡。我们提供了分析结果的情况下，一个仁慈的管理者与完美的监控干预均衡和最优干预机制。我们用一个随机访问模型来说明这些结果。我们的说明性例子表明，干预需要的用户比定价更少的知识。
2010-08-01 cs.GT cs.MA
Eliciting Private User Information for Residential Demand Response
住宅需求响应已成为缓解电力供需不平衡的可行工具，特别是在电网因供应短缺而紧张的时候。需求响应供应商通过要求他们的客户根据合同暂时减少他们的消费以换取货币激励来向批发电力市场投标减少容量。为了有助于分析消费者的行为，在这样的激励措施，本文制定了需求响应作为一个机制设计问题，在需求响应提供商elaborate私人信息的理性，利润最大化的客户获得积极的预期效用，通过参与减少事件。通过设计一个激励兼容和个体理性的机制来收集用户的需求价格弹性，需求响应提供商可以针对最敏感的用户进行激励。我们通过比较物质化的消耗量与预计的消耗量来衡量减少量，我们将其建模为“10-in-10”基线，这是加州独立系统运营商制定的监管标准。由于该基线的次优性能，我们表明，使用消费数据的住宅客户在加利福尼亚州，需求响应提供商收到付款的“虚拟减少”，这是由于基线的不准确性，而不是实际的减少。提高基线的准确性会减少这些虚拟减少的贡献。
2017-09-03 cs.GT
Designing DSIC Mechanisms for Data Sharing in the Era of Large Language Models
Sharif University of Technology（谢里夫理工学院）；Amirkabir University of Technology（阿米尔卡比尔理工学院）
本文针对大语言模型数据共享中的信任与成本异质性问题，提出Q-MIA、MUT及Mixed-MIA等DSIC机制，通过质量加权与边际贡献激励，在预算约束下实现高质量数据获取并抵抗误报与合谋。
2025-06-01 cs.AI cs.CY cs.GT
Incentive Design in a Distributed Problem with Strategic Agents
在本文中，我们考虑了一个一般的分布式系统与多个代理谁选择，然后在系统中实现的行动。该系统有一个具有集中目标的操作员。另一方面，代理人是自我利益和战略的意义上，每个代理人优化自己的个人目标。运营商旨在通过为代理人设计激励计划来缓解这种不一致。这个问题是困难的，由于成本函数的代理耦合，运营商的目标不是社会福利，运营商没有直接控制的行动正在实施的代理。这一问题在许多领域都有研究，特别是在机制设计和成本分摊方面。然而，机制设计通常假设操作员知道代理的成本函数和操作员执行的动作。另一方面，成本分配传统上假设代理人不预期他们的行为对他们获得的激励的影响。我们删除这些假设，并提出了一个激励规则，这种设置之间的差距，弥合机制设计和经典的成本分配。我们分析了所提出的设计是否满足各种理想的属性，如社会最优性，预算平衡，参与约束，等等，我们还分析了这些属性可以满足，如果成本函数的代理是私人的和代理是预期的假设放宽。
2020-01-14 cs.GT stat.AP
Collaborative Machine Learning with Incentive-Aware Model Rewards
National University of Singapore（新加坡国立大学）
协作机器学习（ML）是一种有吸引力的范例，通过对来自多方的聚合数据进行训练来构建高质量的ML模型。然而，这些参与方只有在获得足够的激励时才愿意分享他们的数据，例如基于他们的贡献的保证公平的奖励。这就需要衡量一方的贡献，并相应地设计一个具有激励意识的奖励计划。本文提出了基于Shapley值和信息增益对模型参数进行评估的方法。随后，我们给每一方一个模型作为奖励。为了正式激励协作，我们定义了一些期望的属性（例如，公平性和稳定性），这是由合作博弈论的启发，但适用于我们的模型奖励，是唯一的自由复制。然后，我们提出了一种新的模型奖励计划，以满足公平性和理想的属性之间的权衡，通过一个可调的参数。我们的方案确定的每一方的模型奖励的值是通过注入高斯噪声的聚合训练数据与优化的噪声方差。我们经验证明我们的计划有趣的属性，并使用合成和真实世界的数据集评估其性能。
2020-10-24 cs.GT cs.LG cs.MA
Repeated Games With Intervention: Theory and Applications in Communications
在用户共享公共资源的通信系统中，用户的自私行为通常导致次优的资源利用率。已经有大量的工作，模型与自私的用户作为一次性游戏的通信系统，并提出激励计划，以实现帕累托最优的行动配置文件作为非合作的均衡。然而，在许多通信系统中，由于用户之间的强负外部性，一次性博弈的可行支付集是非凸的。因此，有可能通过让用户选择不同收益的凸组合来扩展可行收益的集合。在本文中，我们提出了一个重复博弈模型的干预广义。首先，我们使用重复的游戏，凸的一次游戏中的可行的支付。其次，我们结合传统的重复游戏与干预，最初提出的一次性游戏，以实现更大的一组均衡收益和放松的要求，用户的耐心，以实现it.We研究的问题，最大化的福利函数定义的用户的均衡收益，受最低收益保证。在给定最优均衡收益的情况下，我们推导出了最小干预能力，并设计了相应的均衡策略。所提出的广义重复博弈模型适用于各种通信系统，如功率控制和流量控制。
2011-11-10 cs.GT cs.IT math.IT
Incentivized Exploration with Stochastic Covariates: A Two-Stage Mechanism Design for Recommender System
Meta Platforms Inc（Meta公司）；Department of Statistics and Data Science（统计学与数据科学系）；University of California, Los Angeles, CA（加州大学洛杉矶分校）
针对推荐系统中用户自利偏好下的探索-利用权衡问题，提出一种两阶段算法，通过激励相容的探索和逆比例间隙采样策略实现次线性遗憾并满足激励约束。
2026-05-25 cs.GT cs.IR cs.LG
Designing Information Revelation and Intervention with an Application to Flow Control
在许多熟悉的情况下，管理者试图设计一个用户共享资源的系统，但结果取决于用户持有的信息和采取的行动。如果可以沟通，管理员可以要求用户报告他们的私人信息，然后使用这些信息指导他们应该采取什么行动。如果用户是顺从的，这就把管理者的优化问题简化为一个经过充分研究的最优控制问题。然而，如果用户是自私的，不服从，问题就复杂得多：当被要求报告他们的私人信息时，用户可能会撒谎;当收到指示时，用户可能会不服从。在这里，我们要问的是，管理者是否能够设计一个系统来绕过这两个难题。要做到这一点，管理者必须为用户提供激励，让他们如实报告并遵守指示，尽管用户是自私的。对于一类在通信网络中包含许多资源分配博弈的环境，我们为管理者设计一个有效的系统提供了工具。除了报告和建议之外，我们采用的设计还允许管理员在用户采取行动后干预系统。在一个抽象的环境中，我们找到了管理者可以实现与用户兼容时相同的结果的条件，以及不符合的条件。然后，我们应用我们的框架和结果来设计一个流量控制管理系统。
2012-07-17 cs.GT cs.IT cs.MA
Designing virus-resistant, high-performance networks: a game-formation approach
Philips Research（飞利浦研究院）；Delft University of Technology（代尔夫特理工大学）；University of Avignon（阿维尼翁大学）；University of Cote d’Azur（蔚蓝海岸大学）；INRIA（法国国家信息与自动化研究所）
本文提出一种博弈形成方法，用于在平衡成本、性能和病毒抗性等目标时设计最优网络拓扑，分析纳什均衡和价格衰减，并提供实践建议。
2017-10-01 cs.GT cs.NI cs.SY
