Towards Prior-Free Approximately Truthful One-Shot Auction Learning via Differential Privacy
设计真实的、收益最大化的拍卖是拍卖设计的核心问题。多项设置长期以来一直难以捉摸。最近的工作（arXiv：1706.03459）引入了有效的深度学习技术来找到这种拍卖的先验依赖设置，其中关于投标人偏好的分布是已知的。剩下的一个问题是，以排除操纵拍卖结果的可能性的方式获得先验信息。使用技术从差分隐私的建设近似真实的机制，我们修改的遗憾网的方法适用于事先免费设置。在这个更一般的设置中，没有假设分布信息，但我们用这个属性换取更差的性能。我们提出了初步的实证结果和定性分析这项工作正在进行中。
2021-03-31 cs.GT cs.LG
When is Truthfully Allocating Chores no Harder than Goods?
本文通过建立商品与杂务分配之间的变换关系，刻画了不可分割及可分割杂务下的真实机制，并给出公平性与效率的紧保证，改进了二值成本实例的机制设计结果。
2025-07-06 cs.GT
Verifiably Truthful Mechanisms
通常，如果一个机制是真实的，那么代理人就会如实地报告他们的私人信息。但为什么一个特工会相信这个机制是真实的呢？我们希望设计真实的机制，其真实性可以有效地验证（在计算意义上）。我们的方法包括三个步骤：（i）指定机制的结构，（ii）构建一个验证算法，（iii）测量可验证的真实机制的质量。我们证明了这种方法使用的案例研究：近似机制设计没有钱的设施位置。
2014-11-29 cs.GT
Agent-Constrained Truthful Facility Location Games
针对实数线上智能体位置私有的多设施选址问题，研究sum与max两种成本变体，并证明策略防操纵机制在社会成本近似比上的紧界。
2025-02-15 cs.GT
Truthful Secretaries with Budgets
我们研究在线拍卖设置中，代理商到达和离开动态随机（秘书）顺序，每个代理商的私人类型包括代理商的到达和离开时间，价值和预算。我们考虑多单位拍卖与添加剂代理分配的可分割和不可分割的项目。对于这两种设置，我们设计真实的机制，给出一个恒定的近似拍卖商的收入，在一个大的市场假设。对于可分割的项目，我们还设计了一个真实的机制，它给出了一个恒定的近似值，相对于流动福利-Dobzinski和Paes Leme [ICALP'14]引入的预算设置的自然效率度量。我们的技术提供了将离线真实机制转换为在线机制的高级原则，无论是否有预算限制。据我们所知，这是第一个解决在线设置与预算代理相结合的重要挑战的工作。
2015-04-14 cs.GT
On Existence of Truthful Fair Cake Cutting Mechanisms
我们研究了可分异构资源的公平分配问题（蛋糕切割问题），每个代理人可以操纵他/她的私人价值，以获得更好的分配。一个（直接披露）机制，以代理人的报告估值作为输入和输出的分配，满足给定的公平性要求。一个自然的和基本的开放问题，首先由[Chen et al.，2010年]，随后由[Procaccia，2013年] [Aziz和Ye，2014年] [Branzei和Miltersen，2015年] [Menon和Larson，2017年] [Bei等人，2017] [Bei等人，2020]等，是否存在一个确定性的、真实的、不嫉妒的（甚至是比例的）切蛋糕机制。在本文中，我们解决了这个开放的问题，证明不存在一个确定的，真实的和比例的蛋糕切割机制，即使在特殊情况下，所有以下成立：1）只有两个代理人; 2）代理人的估值是分段常数; 3）代理人是饥饿的。不可能的结果延伸到允许机制留下一部分蛋糕未分配的情况。我们还提出了一个真实的和嫉妒的机制时，每个代理人的估值是分段常数和单调。然而，如果我们需要帕累托最优，我们表明，真实的是不相容的近似比例下的任何积极的近似比。为了规避这种不可能的结果，由我切你选协议所拥有的真实性的动机，我们提出了一个较弱的真实性的概念：比例风险厌恶的真实性。我们发现，一些著名的算法不具有这种真实的属性。我们提出了一个机制，是成比例的风险厌恶的真实和嫉妒，和一个机制，是成比例的风险厌…
2023-03-29 cs.GT
Truthful Information Elicitation from Hybrid Crowds
假设一个决策者想通过从人群中获取和聚集信息来预测明天的天气。决策者如何激励群众如实报告他们的信息？许多真实的同行预测机制已经提出了同质代理，其类型来自相同的分布。然而，在许多情况下，人口是一个混合人群的不同类型的代理人与不同形式的信息，决策者既没有任何个人的身份，也没有在人群中的每种类型的代理人的比例。忽视主体间的异质性可能导致信息效率低下，从而导致决策的次优。在本文中，我们提出了第一个框架，从混合人群的信息获取，和两个机制，激励代理如实报告他们的信息。第一种机制通过线性变换将两种机制结合起来，第二种机制基于互信息。通过这两种机制，决策者可以从混合群体中收集高质量的信息，并学习代理人的专业知识。
2021-07-21 cs.GT
Partial Truthfulness in Minimal Peer Prediction Mechanisms with Limited Knowledge
我们研究了最小的单任务同行预测机制，有有限的知识代理的信念。如果不知道代理人的信念是什么，或者不引出额外的信息，就不可能设计出贝叶斯纳什意义上的真实机制。我们超越真实性，探索只有部分真实的均衡策略。使用的结果，从多臂土匪文献，我们给出了一个表征如何效率低下，这些均衡相比，真实的报告。我们通过计算任何最小知识约束机制必须具有的不诚实报告的数量来衡量这种策略的效率。我们表明，这个数字的顺序是$Θ(\log n)$，其中$n$是代理的数量，我们提供了一个对等预测机制，达到预期的这一界限。
2017-11-26 cs.GT
Truthful Fair Mechanisms for Allocating Mixed Divisible and Indivisible Goods
研究混合可分割与不可分割商品分配中的诚实公平机制，证明一般不可能性，并在受限设置下设计EFM且诚实的机制，同时指出纳什福利最大化机制无法兼顾两者。
2023-05-16 cs.GT
A Truthful Referral Auction Over Networks
研究了网络环境下的一个机制设计问题，其中代理人只能通过推荐参与。Bulow-Klemberer定理提出，扩大参与者的数量是比修改拍卖形式更有效的增加收入的方法。然而，代理商缺乏邀请其他人的动力，因为这样做会加剧他们之间的竞争。另一方面，误报社交网络也是一个常见的问题，可能会减少收入。误报的例子包括Sybil攻击（一个代理假装是多个投标人）和联盟组（多个代理假装是一个代理）。为了应对这些挑战，我们引入了一种新的机制，称为真实的引用扩散机制（TRDM）。TRDM激励代理商如实报告他们的社交网络，其中一些代理商因提高收入而受到卖方的奖励。尽管有些代理人在TRDM中出价过高，但收入是固定的，高于任何没有推荐的机制的收入。TRDM是非负平衡的（非负收入），并产生一个有效的结果（最大化的社会福利），使其对卖方和买方都有吸引力，因为它提高了收入和回报。
2023-03-16 cs.GT
Truthful Two-Facility Location with Candidate Locations
研究带有候选位置的真实双设施选址问题，聚焦确定性策略防伪机制，针对不同偏好实例给出了社会成本与最大成本的近似比界限。
2024-01-09 cs.GT
Incentive Compatibility, Scalability and Privacy in real time Demand Response
可再生能源在现代智能电网中的高度渗透需要开发需求响应（DR）机制以及针对新兴灵活性市场的相应创新服务。从博弈论的角度来看，这种DR机制的基本关键性能指标（KPI）是在社会福利、实用性和激励保证方面的效率，在某种意义上，使每个用户根据他/她的偏好如实行事成为主导策略，不留下作弊的余地。在本文中，我们提出了一个DR架构，包括一个基于Ausubel成交拍卖和通信协议的机制，可证明保证效率和真实的用户参与。通过简单的查询增强了参与的实用性/容易性，而通过分布式实现解决了用户隐私问题。仿真结果证实了所需的属性，同时也表明，在参与者不是特别灵活的市场中，真实性属性变得更加重要
2019-02-25 cs.GT
Data Curation from Privacy-Aware Agents
数据管理员希望从隐私感知代理收集数据。收集的数据将用于所有代理的利益。策展人能否激励代理商如实分享他们的数据？他能保证真实的分享是唯一的均衡吗？他能否在这种均衡上提供一些稳定性保证？我们研究这些问题得到积极回答的必要条件和充分条件，并补充这些结果与相应的数据汇集协议的策展人。我们的研究结果占隐私意识的概念的广泛解释。
2022-10-03 cs.GT
Bayesian Fair Division: Truthfulness in Picking Sequence with Correlated Valuations
Shanghai Jiao Tong University（上海交通大学）
本文针对两智能体的贝叶斯公平分配模型，证明估值正相关时序列分配机制的讲真话构成贝叶斯纳什均衡，但该真实性无法扩展到多智能体场景，揭示了序列机制真实性的根本局限。
2026-08-10 cs.GT
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
On Discrete Truthful Heterogeneous Two-Facility Location
我们重新审视离散异构两个设施的位置问题，其中有一组代理人，占据节点的线图，并有私人批准的偏好超过两个设施。当设施位于线路的某些节点时，每个代理获得的成本等于她与她批准的设施的总距离。我们的目标是决定在哪里找到这两个设施，以便（a）激励代理人如实报告他们的喜好，（b）实现一个很好的近似的最小总（社会）成本或最大成本之间的所有代理人。对于这两个目标，我们设计确定性的strategyproof机制的近似比，显着优于国家的最先进的，并补充这些结果（几乎）紧的下限。
2021-09-09 cs.GT
No truthful mechanism can be better than $n$ approximate for two natural problems
这项工作给出了第一个自然的非功利性的问题，通过VCG机制的平凡的$n$近似是最好的。也就是说，没有任何真实的机制可以比$n$近似更好，其中$n$是代理的数量。这些问题是最短路径的最小-最大变量和（有向）最小生成树机制设计问题。在这些采购拍卖中，代理拥有网络的边缘，并且相应的边缘成本是私有的。而不是子网络的总重量，在最小最大变量中，我们的目标是最小化最大代理成本。
2018-05-30 cs.GT
Constrained Truthful Obnoxious Two-Facility Location with Optional Preferences
本文研究带可选偏好的厌恶型双设施选址问题，设计真实机制以最大化智能体总幸福感，并给出确定性与随机化策略证明机制的近似比紧界。
2024-10-21 cs.GT
Fair and Truthful Mechanism with Limited Subsidy
\emph{envy-freeness}的概念是资源分配中自然和直观的公平性要求。不幸的是，对于不可分割的商品，这种公平分配并不能保证存在。经典著作通过引入额外的可分割资源来避免这个问题，即，钱，补贴嫉妒的代理商。本文旨在设计一种在有限的补贴额下兼顾公平和效率的不可分割商品的真实分配机制。根据哈尔彭和沙阿的工作，我们的中心问题如下：我们需要在多大程度上依靠金钱的力量来实现这些目标？对于一般估值，组合拍卖的不可能性定理转化为我们的设置：即使有任意大量的钱可供使用，当代理人具有一般单调子模块估值时，没有机制可以同时实现真实性，无嫉妒性和功利最优性。相比之下，我们表明，当代理有拟阵估值，有一个真实的分配机制，实现无嫉妒和功利主义的最优补贴每个代理最多$1$，每个项目的最大边际贡献每个代理。该机制的设计关键在于Lorenz主导分配的基本拟阵M凸性。
2021-05-05 cs.GT
Truthful and Fair Mechanisms for Matroid-Rank Valuations
研究了不可分商品在战略代理人之间的分配问题。我们专注于设置，其中货币转移是不可用的，每个代理的私人估值是一个子模函数与二进制边缘，即，智能体的估值是拟阵秩函数。在这种设置中，我们建立了一个显着的二分法之间的两个最好的研究公平的概念，在离散的公平分工，具体来说，嫉妒自由到一个好的（EF1）和最大最小份额（MMS）。首先，我们证明了Babaioff等人的Pareto有效机制。（2021）是在拟阵秩估值下寻找EF1分配的群体策略证明。群体防策略性保证强化了Babaioff et al.（2021）的结果，该结果在相同的背景下建立了真实性（分别针对每个代理人）。我们的结果也推广了Halpern等人的工作。（2020），从二进制加法赋值到拟阵秩的情况。接下来，我们建立了一个类似的积极的结果不能实现MMS，即使在个人层面上考虑真实性。具体来说，我们证明，拟阵秩估值，不存在一个真实的机制，是指数遗忘，帕累托有效，最大公平。为了建立我们的研究结果，我们开发了一个真实的机制，拟阵秩函数的表征。事实上，这种特征适用于更广泛的赋值类（特别是适用于二进制XOS函数），并且可能是独立的兴趣。
2021-09-13 cs.GT
Informed Truthfulness in Multi-Task Peer Prediction
同伴预测的问题是从没有任何客观的基础事实来评分报告的设置中的代理中获取信息。同伴预测机制试图利用信号之间的相关性，使激励与真实的报告相一致。一个长期存在的问题是无信息均衡的可能性。对于二进制信号，多任务机制[Dasgupta-Ghosh '13]实现了强真实性，因此真实均衡严格地最大化了收益。我们的信号分布的特征条件，这种机制仍然强烈真实的非二进制信号，也提供了一个大大简化的证明。我们引入了相关协议（CA）机制，它处理多个信号，并提供知情的真实性：没有策略配置文件提供更多的回报比真实的报告，在均衡和真实的均衡是严格优于任何不知情的策略（代理人避免获得信号的努力）。CA机制是最大强真实的，因为在一个广泛的机制类中没有机制对更大的信号分布族是强真实的。我们还提供了一个无细节版本的机制，该机制消除了设计人员的任何知识要求，使用许多任务的报告来学习统计数据，同时保留ε-知情的真实性。
2016-06-17 cs.GT
Truthful Facility Location with Candidate Locations and Limited Resources
本文研究候选位置和有限资源下的真实设施选址问题，提出近似比为k的随机机制和近似比约2.325的确定性机制，并给出相应下界。
2025-05-06 cs.GT
Joint-task truthfulness of the DMI mechanism
University of Colorado Boulder（科罗拉多大学博尔德分校）
研究DMI机制在联合任务策略下的真实性，证明当其他代理使用一致策略时，真实报告仍是贝叶斯-纳什均衡，但无限制时主导真实性和知情真实性均失效。
2026-06-19 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
On Truthful Constrained Heterogeneous Facility Location with Max-Variant Cost
针对带私有位置与设施偏好的直线异构设施选址问题，设计防策略操纵机制，在总成本和最大成本目标上分别实现11倍、5倍近似比，优于此前已知界。
2023-12-16 cs.GT
MUDA: A Truthful Multi-Unit Double-Auction Mechanism
在一篇开创性的论文中，McAfee（1992）提出了一种双向拍卖的真实机制，在没有任何关于交易者估值的先验信息的情况下获得渐近最优的交易收益。McAfee的机制处理单参数代理，允许每个卖家出售一个单位，每个买家购买一个单位。本文提出了一种双拍卖机制，处理多参数代理人，并允许多个单位，每个交易者，只要所有交易者的估值函数有递减的边际收益。该机制具有无先验约束、事后个体理性、优势策略真实和强预算平衡等特点。当市场规模足够大时，其交易收益接近最优。
2017-12-19 cs.GT
Mechanisms for Making Crowds Truthful
我们考虑的计划，以获得真实的报告，一个共同的，但隐藏的信号，从大群体的理性，自利的代理人。一个例子是在线反馈机制，用户提供有关产品或服务质量的观察结果，以便其他用户可以准确了解他们期望的质量。然而，（i）提供这样的反馈是昂贵的，并且（ii）提供不正确的反馈有许多动机。这两个问题都可以通过奖励计划来解决，该计划（i）包括获得和报告反馈的成本，以及（ii）最大化真实报告的理性代理人的预期奖励。我们解决了这样的激励相容的奖励，在纯逆向选择的环境中产生的反馈的设计。在这里，一个代理人的真实知识和她对其他代理人报告的可能性的信念之间的相关性可以被利用，使诚实的报告成为一个纳什均衡。在本文中，我们扩展了现有的方法设计激励相容的奖励，也考虑勾结。我们分析不同的场景，例如，一些或所有的代理人勾结。对于每一种情况下，我们调查是否存在一个抗共谋，激励兼容的奖励计划，并使用自动机制设计，以指定一个算法，用于获得一个有效的奖励机制。
2014-01-15 cs.GT
Distributed Agent-Constrained Truthful Facility Location
Royal Holloway University of London（伦敦大学皇家霍洛威学院）；University of Essex（埃塞克斯大学）
该研究提出了一种分布式设施定位机制，通过两阶段选择代表位置，确保代理无法通过策略性报告获益，并分析了两种成本变体下的近似比界。
2026-01-21 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
Models for Truthful Online Double Auctions
在线双向拍卖是一个具有私人信息和自我利益的动态双边匹配问题，与动态资源和任务分配问题密切相关。我们提出了一个通用的方法来设计真实的DA，这样，没有代理可以从误报其到达时间，持续时间，或值中受益。DA系列由定价规则参数化，并包括McAfee真实DA对此动态设置的概括。我们提出了一个实证研究，在其中我们研究了一些不同的DA的配置盈余和代理盈余。我们的研究结果表明，动态定价规则是重要的，以提供良好的市场效率的市场波动性或低量。
2012-07-04 cs.GT
Chain: A Dynamic Double Auction Framework for Matching Patient Agents
在本文中，我们提出并评估了一个总体框架，在一个动态的双边市场匹配代理的真实拍卖的设计。单个商品，如资源或任务，由多个买家和卖家购买和出售，这些买家和卖家随着时间的推移而到达和离开。我们的算法，链，提供了第一个框架，允许一个真实的动态双向拍卖（DA）从一个真实的，单周期（即静态）的双向拍卖规则。在采用相同构造块的动态拍卖规则中，链构造的定价和匹配方法是唯一的。我们通过实验研究了在各种单周期规则（包括规范的McAfee双拍卖规则）上实例化链的分配效率。作为基线，我们还考虑了非真实的双重拍卖填充零智力加”式学习代理。与其他方案相比，基于链的拍卖表现良好，特别是当到达强度下降和代理估值变得更加波动时。
2011-10-31 cs.GT
Truthful-in-Expectation Mechanism with Constant Maximin-Share Guarantee
Central China Normal University（华中师范大学）；Shanghai Jiao Tong University（上海交通大学）；The Hong Kong Polytechnic University（香港理工大学）
该研究针对加性估值下不可分割物品的策略性分配问题，提出结合真实分数分配规则与平衡边着色的期望真实机制，实现了1/7的常数事后最大最小份额保证，同时满足事前无嫉妒且多项式时间可实现。
2026-11-06 cs.GT
Peer Prediction for Learning Agents
Tsinghua University（清华大学）；George Mason University（乔治梅森大学）；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）
本文研究学习智能体下序贯同伴预测机制的动态，证明仅无遗憾无法保证收敛到真实策略，提出一类依赖累积奖励的算法可使CA机制策略收敛，模拟验证相关算法行为。
2026-11-13 cs.GT
Private and Truthful Aggregative Game for Large-Scale Spectrum Sharing
随着信息技术的飞速发展，无线网络的规模越来越大，使得频谱资源比以往任何时候都更加宝贵。为了提高频谱利用效率，博弈论一直被应用于无线网络中频谱共享的研究。然而，现有研究中对无线网络规模的研究相对较少。在本文中，我们介绍了一种新的游戏和模型的频谱共享问题作为一个大规模的，异构的，动态的网络聚合游戏。频谱的大量使用也导致了频谱用户行为的隐私泄露，这就要求在无线网络中保证隐私和真实性。在一个大的分散场景中，每个用户对其他用户的决策没有先验知识，这形成了一个不完全信息博弈。“弱中介”，例如，基站或许可频谱调节器的引入，并把这个游戏变成一个完整的，这是必不可少的，以达到一个纳什均衡（NE）。通过利用以往的信道接入经验，提出了一种在线学习算法，提高了每个用户的效用，实现了随时间的NE。我们的学习算法还为每个用户提供了无遗憾保证。我们的机制承认一个近似的事后NE。我们还证明了它满足联合差分隐私和激励兼容。评估了近似NE的效率，并公开了创新的缩放定律结果。最后，我们提供模拟结果来验证我们的分析。
2016-11-04 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
Low-Risk Mechanisms for the Kidney Exchange Game
在本文中，我们考虑两两交换肾脏的对策。这种博弈自然出现在一些服务提供者从网络上的成对分配中受益的情况下，例如医院之间的肾脏交换。Ashlagi等人提出了一种解决该问题的$2$近似随机真实机制。这是在多个玩家的情况下最著名的结果。然而，我们注意到，在该机制中代理的效用的方差可能与$Ω(n^2)$一样大，这在实际应用中是不期望的。在本文中，我们解决了这个问题，通过提供一个$2$近似随机真实机制，其中每个代理的效用方差最多为$2+ε$。有趣的是，我们可以应用我们的技术来设计一个确定性机制，这样，如果代理偏离该机制，她不会获得超过$2\lceil \log_2 m\rceil$。我们称这种机制为几乎真实的机制。事实上，在实际情况下，一个几乎真实的机制可能意味着一个真实的机制。我们相信，我们的方法可以用来设计低风险或几乎真实的其他问题的机制。
2015-07-20 cs.GT
Truthful Interval Covering
本文提出无货币机制设计中的真实区间覆盖问题，研究智能体可能虚报区间信息时如何设计真实机制，并在等长区间设定下给出确定性机制的紧近似界及更优的随机真实机制。
2024-01-18 cs.GT
Redrawing the Boundaries on Purchasing Data from Privacy-Sensitive Individuals
我们证明了新的积极和消极的结果，存在真实和个人合理的机制购买私人数据的个人与无限的和敏感的隐私偏好。我们加强了Ghosh和Roth（EC 2011）的不可能性结果，将其扩展到更广泛的隐私评估类别。特别是，这些包括基于非零δ的（ε，δ）差分隐私机制的隐私评估，隐私成本以每个数据库的方式测量（而不是采取最坏的情况），以及不依赖于向玩家支付的费用（对手可能无法观察到）。为了绕过这个不可能的结果，我们研究了一个自然的特殊设置，其中个人具有单调的隐私评估，这捕获了常见的背景，其中私人数据的某些值预计会导致更高的隐私评估（例如，患有特定疾病）。我们给出了新的机制，这些机制对于所有具有单调隐私估值的玩家都是单独理性的，对于隐私估值不太大的所有玩家都是真实的，并且如果没有太多具有太大隐私估值的玩家，则是准确的。我们还证明了匹配下界，表明在某些方面，我们的机制不能显着改善。
2014-01-16 cs.GT
Learning and Strongly Truthful Multi-Task Peer Prediction: A Variational Approach
University of Michigan（密歇根大学）；Harvard University（哈佛大学）
同伴预测机制通过将代理的报告与他们的同伴的报告进行比较，激励代理即使在没有验证的情况下也如实地报告他们的信号。在无细节的多任务环境中，智能体对多个独立同分布的任务进行响应，并且该机制不知道智能体信号的先验分布。我们的目标是提供一个$ε$ -强真实的机制，诚实的奖励代理“严格”比任何其他策略配置文件（与$ε$添加剂错误），并这样做，而需要尽可能少的任务。我们设计了一个家庭的机制与评分功能，将一对报告的分数。如果评分函数是“先验理想”，则该机制是强真实的，并且只要评分函数足够接近理想的，则$ε$ -强真实。这将上述机制设计问题简化为学习问题--具体地说，学习理想的评分函数。我们利用这种减少来获得以下三个结果。1)我们将展示如何获得良好的界限所需的不同类型的先验任务的数量。我们的减少适用于无数的连续信号空间设置。这是第一个针对多任务设置设计的连续信号的对等预测机制。2)我们将展示如何将一个代理的信号（给定其他代理的信号）的软预测器转换为一种机制。这允许实际使用机器学习算法，即使在许多代理提供噪声信息时也能给出良好的结果。3)对于有限信号空间，我们得到了任意随机相关先验的$ε$ -强真实机制，它是最大可能先验。相比之下，先前的工作只实现了较弱的真实性概念（知情真实性）或需要对先前的假设更强。
2020-09-30 cs.GT cs.LG
Asymptotically Fair and Truthful Allocation of Public Goods
University of Toronto（多伦多大学）；University of Waterloo（滑铁卢大学）
本文提出PPGA算法，通过引入差分隐私实现公共物品分配的渐近公平和 truthful，解决了传统方法在大规模场景下的局限性。
2025-06-06 cs.GT
Truthful Two-Obnoxious-Facility Location Games with Optional Preferences and Minimum Distance Constraint
本文研究带可选偏好和最小距离约束的真实双重厌恶型设施位置博弈，提出多种确定性与随机化策略防伪机制，并给出近似比上界与下界。
2025-08-11 cs.GT
Truthful Cake Sharing
研究切蛋糕问题的公共物品变体，在策略性智能体具有分段均匀效用下，证明leximin solution的诚实性与福利最大化，分析maximum Nash welfare solution的诚实性，并探讨访问阻止机制的影响。
2022-02-05 cs.GT econ.TH
Optimal Rank Lotteries for Truthful Unit-Interval Covering
University of Southern Denmark（南丹麦大学）
该研究针对诚实单位区间覆盖问题，刻画了顺序统计量类彩票的最优近似比，填补了此前的近似比上下界差距，并证明了所有普遍策略防伪随机机制的近似比下界。
2026-08-26 cs.GT
Strategy-Proof Incentives for Predictions
我们的目标是设计一种机制，激励所有的代理人如实，及时地揭示他们的预测。对于近视代理，适当的评分规则诱导真实性。然而，正如文献中所描述的，当代理人考虑到其行动的长期影响时，可能会出现欺骗和沉默。没有简单的规则来区分真实和不真实的情况，只在个别情况下进行了确定。这与预测市场有关，市场价值是一种常见的预测，更普遍的是在非正式的公共预测论坛，如分析师的股票市场估计。我们描述了三种机制，是防策略与非短视的考虑，并表明，其中之一，满足我们所有的要求，从一个机制，在几乎所有的预测设置。我们制定规则来区分真实和不真实的设置，并使用它们来广泛分类预测设置连续的结果。我们展示了我们提出的机制如何在现有机制失败的情况下恢复即时真实性，并提供了在预测市场中实施该机制的指导方针。
2019-12-03 cs.GT
Efficiency of Truthful and Symmetric Mechanisms in One-sided Matching
我们研究了真实和对称机制在具有{ \em二分偏好}和{ \em归一化von Neumann-Morgenstern偏好}的单侧匹配问题中的效率（就社会福利而言）。我们特别感兴趣的是众所周知的{ \em随机串行独裁}机制。对于二分法的偏好，我们首先表明，真实的，对称的和最优的机制存在，如果棘手的机制是允许的。然后，我们提供了一个连接到在线二分匹配。利用这种联系，可以设计出真实、对称且易于处理的机制，提取最大社会福利的0.69，这在代理人不具有对抗性的假设下有效。在没有这个假设的情况下，我们证明了随机序列独裁总是返回一个分配，其中期望的社会福利至少是最大社会福利的三分之一。对于规范化冯诺伊曼-摩根斯坦的偏好，我们表明，随机序列独裁总是返回一个分配，其中预期的社会福利至少是$\frac{1}{e}\frac{ν(\opt)^2}{n}$，其中$ν(\opt)$是最大的社会福利和$n$是代理和项目的数量。在硬度方面，我们表明，没有真实的机制可以实现比$\frac{ν(\opt)^2}{n}$更好的社会福利。
2014-09-17 cs.GT
Truthful Matching with Online Items and Offline Agents
研究在线物品与离线买家场景下的二分匹配真实机制，刻画了不同代理与支付设定下的竞争比边界，并扩展了经典 $e/(e-1)$ 竞争比。
2022-11-03 cs.DS cs.GT
Plant-and-Steal: Truthful Fair Allocations via Predictions
本文采用学习增强框架设计真实的 MMS 不可分割物品分配机制，利用物品排序预测在两代理人及一般 n 代理人情形下兼顾一致性与鲁棒性，并给出不可能性结果和实验验证。
2024-06-11 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
Size versus truthfulness in the House Allocation problem
我们研究房屋分配问题（也称为分配问题），即，在一组代理之间分配一组对象的问题，其中每个代理对对象的子集具有顺序偏好（可能涉及关系）。我们专注于真实的机制，没有货币转移，找到大型帕累托最优匹配。这是直接表明，没有确定性的真实机制可以近似的最大基数帕累托最优匹配比优于2。因此，我们考虑随机机制。我们给出了一个自然的和明确的扩展经典的随机序列独裁机制（RSDM），专门为房子分配问题的偏好列表可以包括领带。因此，我们获得了一个普遍真实的随机机制，找到一个帕累托最优匹配，并表明它达到了近似比$\frac{e}{e-1}$。即使当代理有优先级（权重）时，相同的界限也成立，我们的目标是找到最大权重（而不是最大基数）帕累托最优匹配。另一方面，我们给出了$\frac{18}{13}$的下界的近似比的任何普遍真实的帕累托最优机制设置严格的偏好。在这种情况下，该机制必须另外是非专横的一个额外的技术假设，我们表明，利用Bade的结果，一个改进的下限$\frac{e}{e-1}$持有。这个下限是紧的，因为严格偏好列表的RSDM是非专横的。此外，我们解释我们的问题，在经典的秘书问题，并证明我们的机制提供了最好的随机策略的管理员面试的申请人。
2019-05-09 cs.GT
Fast, Fair and Truthful Distributed Stable Matching for Common Preferences
本研究针对一方智能体具有共同偏好的稳定匹配特例，证明延迟接受算法可构成快速真实的分布式稳定匹配机制，还提出用随机着色采样算法公平破局并扩展至分数稳定匹配场景。
2024-03-08 cs.GT
Social welfare in one-sided matchings: Random priority and beyond
我们研究的问题近似社会福利最大化（没有钱）在单边匹配问题时，代理人有无限的基数偏好在一组有限的项目。随机优先级是一个非常著名的真实的预期机制的问题。我们证明了随机优先级的逼近比是Theta（n^{-1/2}），而没有一个期望中真机制能达到比O（n^{-1/2}）更好的逼近比，其中n是代理和项目的数量。此外，我们证明了所有有序（不一定是期望真的）机制的逼近比的上界为O（n^{-1/2}），表明随机优先是该问题的最佳期望真机制和最佳有序机制.
2014-05-05 cs.GT
It's Not All Black and White: Degree of Truthfulness for Risk-Avoiding Agents
Bar-Ilan University（巴伊兰大学）；Ariel University（阿里埃勒大学）；Shanghai Jiao Tong University（上海交通大学）
本文提出风险规避诚实性概念，定义机制的RAT度以衡量其安全操纵抵抗能力。
2026-01-06 cs.GT cs.MA econ.TH
Truthful Two-Facility Location with Candidate Locations in Metric Spaces
King’s College London（伦敦国王学院）；University of Southern Denmark（南丹麦大学）
针对度量空间中基于候选位置的真实双设施选址问题，该研究确定了直线上及一般度量空间中确定性机制的近似率，证明随机化可显著改进社会成本与最大成本的近似效果
2026-10-13 cs.GT
Better Approximation for Interdependent SOS Valuations
次模超信号（SOS）定义了一个有趣的功能，其中存在真实的机制与不断接近的社会福利的相互依存的评价代理家庭。最著名的真实拍卖是$4$ -近似的，并证明了其下界为2。我们提出了一个新的和简单的真实的机制，以实现3.315的近似比。
2022-10-12 cs.GT
