我们给出了一个下闭环境下的拍卖，推广了Fiat等人（2002）的数字商品随机抽样利润提取拍卖。该机制将代理人分为一个市场和一个样本，使用有偏见的硬币，并试图从市场的样本中提取最佳收益。后一步是用Ha和Hartline（2012）的下闭利润提取器完成的。拍卖是一个11近似的envyfree基准在向下封闭的置换环境。这是对Devanur et al.（2012）和Ha and Hartline（2012）分别给出的关于拟阵的12.5和关于下闭置换环境的30.4的已知结果的改进。
英文摘要：
We give an auction for downward-closed environments that generalizes the random sampling profit extraction auction for digital goods of Fiat et al. (2002). The mechanism divides the agents in to a market and a sample using a biased coin and attempts to extract the optimal revenue from the sample from the market. The latter step is done with the downward-closed profit extractor of Ha and Hartline (2012). The auction is a 11-approximation to the envyfree benchmark in downward-closed permutation environments. This is an improvement on the previously best known results of 12.5 for matroid and 30.4 for downward-closed permutation environments that are due to Devanur et al. (2012) and Ha and Hartline (2012), respectively.
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。
我们认为优先级自由拍卖收入和福利最大化时，代理人有一个共同的预算。我们考虑的抽象环境是有一个向下封闭的和对称的可行性约束的代理服务的概率。这些环境包括位置拍卖，其中具有降低的点击率的位置被拍卖给广告商。我们将Hartline和Yan（2011）的无嫉妒基准推广和表征到有预算的环境中，并表征福利和收入的最佳无嫉妒结果。我们给出了近似这些基准的无先验机制。在我们的机制的一个组成部分是一个成交拍卖的位置拍卖环境。该拍卖是Dobzinski et al.（2008）的多单位成交拍卖的推广，也是Goel et al.（2012）的多面体成交拍卖的特例。对于福利最大化，我们表明，这种成交拍卖是一个很好的近似的嫉妒无最优福利的位置拍卖环境。对于利润最大化，我们推广了Fiat等人（2002）的随机抽样利润提取拍卖，用于数字商品，以给出对称下闭环境中无嫉妒最优收入的10.0近似值。即使没有预算，利润最大化问题也很有趣，我们的机制是一个7.5近似，改进了Ha和Hartline（2012）的30.4界限。
The Bidding Games: Reinforcement Learning for MEV Extraction on Polygon Blockchain
Independent Researcher（独立研究者）；Moscow Institute of Physics and Technology（莫斯科物理技术学院）；Skolkovo Institute of Science and Technology（斯克尔科沃科学与技术研究所）；HSE University（俄罗斯伏尔加格勒国立高等经济大学）
