Buying Data of Unknown Quality: Statistical Information Procurement Auctions
Columbia University(哥伦比亚大学);MIT(麻省理工学院)
本文研究数据市场中统计参数估计问题,提出基于Fisher信息评分的采购机制,在数据质量未知时通过统计检验确保数据质量,分析验证测试和准确性成本权衡对数据市场参与和误报激励的影响。
2026-08-27 cs.GT econ.TH stat.ME
Budget Feasible Mechanisms for Procurement Auctions with Divisible Agents
我们认为预算可行的机制,采购拍卖与附加价值的功能。对于可分的情况下,代理可以被分配分数,存在一个最佳的机制,近似保证$e/(e-1)$下的小投标人的假设。我们研究了可分的情况下,没有小投标人的假设,但假设代理人的真实成本的预算。这种设置适合于对商品代表时间并且代理人的真实成本与预算相比不一定很小的经济情况进行建模。重要的是,我们给出了一个近似保证为2.62的机制,改进了不可分情况下3的结果。此外,我们给出了近似保证的下限为1.25。然后,我们研究的问题,在竞争更加激烈的市场,并假设代理商的价值超过成本效率是有界的一些$θ\ge 1$。对于$θ\le 2$,我们给出了一个近似保证为2,下限为1.18的机制。这两个结果可以扩展到设置不同的代理类型与线性上限的每种类型的估值函数。最后,如果每个代理类型有一个凹的估值,我们给出了一个机制,近似保证的代理类型的数量线性增长。
2022-09-01 cs.GT
Beyond Winner-Take-All Procurement Auctions
a16z crypto(a16z 加密);Princeton University(普林斯顿大学);Columbia University(哥伦比亚大学)
本文设计分析了平衡社会成本最小化与去中心化的单商品采购拍卖,提出DSIC机制及改进机制,解决Sybil攻击和支付规则复杂问题。
2026-03-29 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
An Optimal Bidimensional Multi-Armed Bandit Auction for Multi-unit Procurement
我们研究的问题,买家(又名拍卖)谁获得随机奖励采购多个单位的服务或项目从一个池的异构战略代理。从分配的代理获得的单个单位的奖励取决于代理的内在质量;代理的质量是固定的,但未知。每个代理只能提供有限数量的单位(代理的容量)。单位成本和容量是代理人的私人信息。拍卖师需要引出成本以及能力(使机制设计二维),并进一步了解代理的质量,以最大限度地提高她的效用。出于这一动机,我们设计了一个二维多臂强盗采购拍卖,旨在最大限度地提高预期效用的拍卖受到激励相容性和个人的理性,同时学习未知的素质的代理。我们首先假设的质量是已知的,并提出了一个最佳的,真实的机制2D-OPT的拍卖人引起的成本和能力。接下来,为了学习代理的质量,另外,我们提供了一个学习算法是贝叶斯激励兼容和个人理性的充分条件。最后,我们设计了一种新的学习机制,2D-UCB,是随机贝叶斯激励兼容和个人理性。
2015-04-28 cs.GT
Contextual Procurement Auctions with Bandit Learning
研究重复上下文采购拍卖中平台从强盗反馈学习依赖上下文产品价值的问题,给出有\(\widetilde O((ng)^{1/3}T^{2/3})\)遗憾值的先探索后提交机制及固定支付UCB机制,证明了固定支付遗憾值与激励权衡的匹配下界。
2026-07-29 cs.GT cs.LG
From Welfare to Utility: Generalized Objectives in Budget-Feasible Procurement
Hebrew University(希伯来大学);Boston University(波士顿大学)
研究预算可行采购问题的机制设计,针对买家效用、社会福利等广义目标,提出了最优和近似最优机制,包括无先验和贝叶斯设置下的常数因子近似。
2026-08-10 cs.GT
Procurement Auctions with Predictions: Improved Frugality for Facility Location
Columbia University(哥伦比亚大学);New York University(纽约大学);Drexel University(德雷塞尔大学);Stanford University(斯坦福大学)
本文提出了一种改进的设施选址拍卖机制,通过引入预测增强框架,提高了frugality比率并增强了鲁棒性。
2025-12-10 cs.GT
The Cost of Replicability in Active Learning
Johns Hopkins University(约翰霍普金斯大学);University of Pennsylvania(宾夕法尼亚大学);Penn Institute for Computational Science(宾夕法尼亚大学计算科学研究所)
本文研究了主动学习中可重复性带来的样本复杂性增加,提出两种可重复的主动学习算法,在保证一致性的同时实现标签节省。
2026-03-23 cs.LG
Cost-Accuracy Aware Adaptive Labeling for Active Learning
University of Texas at Austin(德克萨斯大学奥斯汀分校)
传统的主动学习算法假设一个单一的标签,产生无噪声的标签在一个给定的,固定的成本,并旨在实现最佳的泛化性能,为给定的分类器下的预算约束。然而,在许多实际环境中,不同的贴标机具有不同的贴标成本,并且可以产生不同的贴标精度。此外,给定的贴标签器可以针对不同的情况展现不同的贴标签准确度。这种设置可以被称为主动学习,具有不同的成本和准确性的不同标签器,并且它出现在许多重要的实际设置中。因此,了解如何有效地权衡不同实例的标记精度、标记成本以及训练实例的信息量,从而以最低的标记成本实现最佳的泛化性能是有益的。在本文中,我们提出了一个新的算法选择的实例,标签(及其相应的成本和标签精度),采用泛化范围的学习与标签噪声选择信息的实例和标签,以实现更高的泛化精度在较低的成本。我们提出的算法在五个UCI和一个真正的众包数据集上展示了最先进的性能。
2021-05-24 cs.LG stat.AP
Procurement Auctions with Best and Final Offers
本文研究带 BAFO 策略的序贯采购拍卖,证明在卖方成本完全信息、买方无信息且估值任意单调时,所有子博弈完美均衡均有效率,并分析不同拍卖给买方带来的成本差异。
2025-03-13 cs.GT
Adversarial procurement in blockchains
Ritual;Princeton University(普林斯顿大学)
本文研究了区块链中利用计算努力不对称性设计的协议,提出了一种机制设计方法,通过平衡活锁成本与激励支付,优化了对抗性环境下的任务执行效率。
2026-10-21 cs.CR cs.GT
Budget-Feasible Mechanisms for Submodular Welfare Maximization in Procurement Auctions
School of Computer Science and Technology, Soochow University(苏州大学计算机科学与技术学院);School of Rail Transportation, Soochow University(苏州大学轨道交通学院)
本文提出BFM-SWM机制,首次在采购拍卖中实现子模福利最大化的预算可行机制,具有可证明的近似保证,同时改进了效率和效果。
2026-09-17 cs.GT
A Competitive Posted-Price Mechanism for Online Budget-Feasible Auctions
本文针对在线预算可行拍卖中代理成本私密且按随机顺序到达的问题,提出一种基于OPT估计在线测试与自适应搜索的随机化发布价格机制,实现了常数竞争比,解决了EC 2012提出的开放问题。
2025-04-13 cs.DS 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
Optimal auctions for networked markets with externalities
受电力市场中的市场势力问题的启发,我们在以前的工作中介绍了一种简化的两个代理人的线性成本的市场机制。在标准的采购拍卖中,由二次传输损失产生的市场势力允许生产商出价高于其真实价值,即其生产成本。在前面的论文中提出的机制最佳地减少了生产者的利润,社会的利益。在本文中,我们将这些结果扩展到一个更一般的市场,由有限数量的代理商与分段线性成本函数,这使得问题更加困难,但同时更现实。我们表明,该方法适用于一大类外部性。我们还提供了一个算法来解决的主要分配问题。我们的贡献提供了一个基准,以评估在实践中使用的机制的次优。
2019-07-23 cs.GT econ.TH math.OC
On Market Clearing of Day Ahead Auctions for European Power Markets: Cost Minimisation versus Social Welfare Maximisation
对于需求不灵活的情况下,并考虑网络的限制,我们引入了一个成本最小化(CM)为基础的市场清算机制,和一个模型,代表标准的社会福利最大化机制,在欧洲提前一天电力市场。由于CM模型对应于一个更具挑战性的优化问题,我们提出了四个数值算法,利用问题的结构,每个计算成本和收敛保证之间的权衡不同。这些算法进行评估的合成数据,以提供一些直观的性能。我们还提供了强大的(但部分)的分析结果,以促进有效的解决方案的CM问题,这需要引入一个新的概念:最佳分区堆栈曲线,这些结果被用来设计的四个解决方案的算法之一。CM和SWM模型及其比较的评估是在真实投标的假设下,对2019-2020年期间中西欧日前电力市场的真实世界数据进行的。我们表明,我们介绍的SWM模型给出了一个很好的代表性的历史时间序列的真实价格。此外,CM降低了生产者的市场力量,因为通常这会导致区域价格下降,并且与目前采用的SWM相比,总是会降低电力采购的总成本。
2022-11-05 cs.GT econ.GN q-fin.EC
Active Inverse Methods in Stackelberg Games with Bounded Rationality
Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院);University of Chinese Academy of Sciences(中国科学院大学);Tongji University(同济大学);Shanghai Research Institute for Intelligent Autonomous Systems(上海智能无人系统研究院)
本文针对有界理性Stackelberg博弈,提出主动逆方法,利用Fisher信息最大化信息增益并平衡探索与利用,证明一致性与渐近均衡,仿真表明能更快达到Stackelberg均衡。
2025-10-17 cs.GT cs.SY eess.SY
Complexity of Auctions with Interdependence
INRIA(法国国家信息与自动化研究所);ENSAE(国立统计与经济管理学院)
研究拍卖设计中相互依赖模型的计算复杂性,分析在确定性和随机性设定下,优化 truthful 机制的近似比问题,推翻传统假设,提供高效算法和复杂性理论。
2026-03-19 cs.CC cs.DS cs.GT