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
Incentivizing Truthfulness Through Audits in Strategic Classification
在许多社会资源分配领域中，机器学习方法越来越多地用于对代理进行评分或排名，以便决定哪些代理应该接收资源（例如，无家可归者服务）或审查（例如，儿童福利调查）。一个机构的评分功能通常对一个特征向量进行操作，该向量包含自我报告的特征和该机构可获得的有关个人或家庭的信息。这可能会激励代理人歪曲其自我报告的特征，以获得资源或避免审查，但机构可能能够有选择地审计代理人，以验证其报告的真实性。我们研究的问题，在这样的设置代理的最佳审计。当决策是使用代理的分数阈值时，最优审计策略具有令人惊讶的简单结构，统一审计所有可能从撒谎中受益的代理。虽然这种政策可以，在一般情况下，很难计算，因为很难确定一组代理人谁可以受益于说谎给定一套完整的报告类型，我们也提出了必要和充分的条件下，它是易处理的。我们发现，稀缺资源的设置是更困难的，并表现出近似最优的审计政策在这种情况下。此外，我们表明，在任何一种情况下，验证是否有可能激励确切的真实性是很难甚至近似。然而，我们还展示了最佳解决该问题并获得良好近似的充分条件。
2020-12-16 cs.GT cs.MA
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
Approximately Stable, School Optimal, and Student-Truthful Many-to-One Matchings (via Differential Privacy)
我们提出了一种计算渐近稳定的学校最优匹配的机制，同时保证它是一个渐进的优势策略，每个学生报告他们的真实偏好的机制。我们在这方面的努力的主要工具是差分隐私：我们给出了一个算法，协调一个稳定的匹配使用差异私人信号，这导致我们的真实性保证。这是第一个设置，它是已知的如何实现非平凡的真实性保证的学生时，计算学校的最佳匹配，假设最坏情况下的偏好（学校和学生）在大市场。
2014-10-24 cs.GT
Single-Call Mechanisms
真实是脆弱的，要求很高。它通常比解决原始问题在计算上更困难。更糟糕的是，机制结果中的微小不确定性可能会彻底破坏真实性。一个障碍是真实的支付取决于结果而不是实现的结果，例如最短路径拍卖中的非最短路径的长度。单次呼叫机制是一个强大的工具，可以绕过这一障碍-它们隐含地收取真实的付款，只使用该机制实现的结果来保证预期的真实性。这种真实性的代价是在预期的结果质量和大笔付款的风险之间进行权衡。我们在很大程度上决定了何时以及在多大程度上可以使用单一呼叫机制。Babaioff、Kleinberg和Slivkins [BKS 10]在单参数域中发现了第一个单调用构建。他们给出了一个转换，将任何单调的单参数分配规则转换为真实的期望单调用机制。我们的第一个结果是对[BKS 10]的自然补充：我们给出了一个新的转换，该转换从VCG支付真实的任何分配规则中产生单呼叫VCG机制。其次，在单参数和VCG设置中，我们精确地描述了可能的变换，表明各种各样的变换都是可能的，但都采用非常简单的形式。最后，我们研究了预期结果质量和大额支付风险之间的内在权衡。我们表明，我们的结构和[BKS 10]同时优化了各自领域的各种指标。作为一个例子，我们分析按点击付费广告拍卖，其中的真实性的标准VCG为基础的拍卖很容易打破拍卖师的估计点击率是不精确的。
2012-03-29 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
Combinatorial Auctions without Money
计算机机制设计试图将计算和激励结合起来，主要是通过利用设计者和自私代理之间的货币转移。这主要是因为在没有钱的情况下，很少能做到强制真实。然而，在某些情况下，金钱是无法获得的，在道德上是不可接受的，或者可能只是与机制的目标不一致。例如，在组合拍卖（CA）中，该领域的典型问题，我们的目标是最大化社会福利的解决方案，但仍然要求社会确保真实性。此外，CA的真实性已经很难理解的情况下，投标人碰巧只对两套不同的货物感兴趣。我们专注于设计激励兼容CA没有钱在一般设置的$k$ -头脑投标人。我们交易货币转移，观察到该机制可以检测投标人的某些谎言：即，我们学习真实的CA，有验证，没有钱。我们证明了一个真实的机制，这使得一个有趣的平行与CA的钱为一心一意的投标人的情况下理解。然后，当集合和估值是竞标者的私人知识时，我们给出了通过确定性或随机真实机制获得的逼近比的许多上界。(Most在多项式时间中运行，并返回具有（几乎）最佳可能近似保证的解决方案。我们补充这些积极的结果与一些下界（其中一些基本上是紧的），在更容易的情况下举行的公共集。因此，我们提供了一个几乎完整的图片真实近似CA在这个一般设置与多维投标人。
2013-10-01 cs.GT
Truthfulness, Proportional Fairness, and Efficiency
一个人如何在不使用金钱的情况下，以公平有效的方式将一系列资源分配给一组战略代理人？因为在许多情况下，用金钱来补偿代理人不满意的结果是不可行的。本文从公平和效率两个方面来研究这一问题。我们采用比例公平的解决方案，这是一个众所周知的公平的概念，为金钱免费设置。但是，尽管找到一个按比例公平的解决方案是计算上容易处理的，它不能以真实的方式实现。因此，我们寻求近似的解决方案。我们给出了几个真实的机制，在近似意义上实现比例公平。我们使用一个强有力的近似概念，要求该机制给每个代理一个很好的近似其比例公平的效用。特别是，我们的一种机制提供了一个越来越好的近似因子，因为每个商品的最小需求都在增加。90年代初捷克共和国的大规模私有化拍卖提供了一个激励性的例子。关于效率，先前的工作已经表明，即使对于两个代理和多个商品的情况下，任何交换独裁机制近似社会福利措施的近似因子的下限为0.5。我们通过为这种情况设计一个非交换独裁机制来超越这个下限。有趣的是，新机制建立在比例公平的概念之上。
2012-07-06 cs.DS cs.GT cs.MA
A Note on the Power of Truthful Approximation Mechanisms
我们研究的权力多项式时间的真实机制相比，多项式时间（非真实）算法。我们发现，有一个设置中，确定性多项式时间的真实机制不能保证有界的近似比，但存在一个不真实的FPTAS。我们还表明，在相同的设置有一个普遍真实的机制，提供了一个近似比为2。这表明，真实性的成本是无限的。证明几乎是标准的领域，并遵循已知的结果。
2009-08-24 cs.GT
No-regret incentive-compatible online learning under exact truthfulness with non-myopic experts
Stern School of Business, New York University（纽约大学斯特恩商学院）；University of Victoria（维多利亚大学）
针对在线预测场景中策略性非近视专家的真实报告问题，提出基于I-ELF在线扩展的精确真实机制，在全信息下获O~(√(TN))信念遗憾，bandit场景获O~(T^(2/3)N^(1/3))遗憾，解决开放问题。
2025-02-17 cs.GT cs.LG stat.ML
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
Identity-Truthful Online Decision-Making
Tel Aviv University（特拉维夫大学）
研究身份真实的在线决策问题，引入新限制定义身份真实性差距，设计算法确定其大于0.5且有0.81上限，还研究了该算法与定价机制关系，发现身份真实性会打破在线算法与定价的常规联系。
2026-07-23 cs.GT
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
On the price of exact truthfulness in incentive-compatible online learning with bandit feedback: A regret lower bound for WSU-UX
University of Victoria（维多利亚大学）；University of Waterloo（滑铁卢大学）
本文研究自私专家在线预测中真实性与老虎机遗憾的权衡，通过构造损失序列证明 WSU-UX 存在 $\Omega(T^{2/3})$ 最坏情况下界。
2024-04-08 cs.GT cs.LG stat.ML
Multi-parameter Mechanisms with Implicit Payment Computation
在本文中，我们表明，支付计算基本上不存在任何障碍，在设计真实的机制，即使是多参数域，甚至当我们只能调用一次分配规则。我们提出了一个一般的减少，采取任何分配规则，满足“循环单调性”（一个已知的必要和充分条件的真实性），并将其转换为一个真实的机制，使用一个单一的调用分配规则，任意小的损失，预期的社会福利。一个突出的例子是多参数设置，其中一个分配规则只能被调用一次出现在赞助搜索拍卖。这些是多参数域，当每个广告商有多个可能的广告，他可以显示，每一个具有不同的价值，每次点击。此外，该机制通常不具有点击实现或点击率（CTR）的完整知识;它只能调用分配规则一次并观察所呈现的广告的点击信息。%未知。在消极的一面，我们表明，分配是真实的任何实现基本上不能依赖于出价，因此不能做得比随机选择一个代理。然后，我们考虑一个放松的真实性要求，只有在预期的CTR。即使对于宽松的版本，取得任何进展都是具有挑战性的，因为用于构建真实机制的标准技术（如使用VCG或MIDR分配规则）不能在此设置中使用。我们设计了一个具有非平凡性能的分配规则，并直接证明了它是循环单调的，因此它可以用来创建一个真实的机制，使用我们的一般约简。
2013-05-12 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 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
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
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
An Optimal Truthful Mechanism for the Online Weighted Bipartite Matching Problem
在加权二部匹配问题中，目标是在具有非负边权的二部图中找到最大权匹配。我们考虑它的在线版本，其中第一个顶点集是已知的，但第二个集的顶点一个接一个地出现。第一组的顶点被解释为项目，第二组的顶点被解释为投标人。在到达时，每个投标者顶点揭示了所有相邻边的权重，算法必须决定将其中哪些添加到匹配中。我们引入了一个最佳的，$e$竞争的真实机制的假设下，投标人随机顺序到达（秘书模型）。它已被证明，E的上，下界的原始秘书问题扩展到各种其他问题，甚至丰富的组合结构，其中之一是加权二部匹配。但是，一旦各自的算法偏离了原始的、简单的阈值形式，到目前为止，真实的机制就达不到合理的竞争比。最著名的加权二分匹配机制由Kenda和Vöcking（ICALP 2012）提供，只提供在线顶点数量的比率对数。我们缩小了这一差距，表明真实性不会强加任何额外的界限。证明技术是新的，在这种情况下，并根据观察的独立性固有的机制。这里提供的见解本身就很有趣，而且似乎为其他问题提供了有希望的工具，无论是否真实。
2021-03-04 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
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
Fair and Almost Truthful Mechanisms for Additive Valuations and Beyond
本文研究不可分割商品公平分配中激励比率的下界与上界，证明加性估值下任何(1/2+ε)-EF1机制激励比率至少1.5，可取消估值下ε-EF1机制激励比率无限，并给出次加性可取消及次模估值下轮转机制的具体比率。
2024-07-23 cs.GT
Truthful Learning Mechanisms for Multi-Slot Sponsored Search Auctions with Externalities
赞助搜索拍卖是微观经济机制最成功的应用之一。在机制设计中，拍卖通常被设计成激励广告商对他们真实的估价出价，并确保广告商和拍卖商都具有非负效用。尽管如此，在赞助搜索拍卖中，广告商的点击率（CTR）通常是未知的拍卖，因此标准的真实机制不能直接应用，必须与有效的学习算法配对用于估计的CTR。这引入了设计学习机制的关键问题，该学习机制能够在实现真实机制的同时估计CTR，与用真实CTR设计的最优机制相比，该真实机制具有尽可能小的收入损失。以前的工作表明，当采用优势策略的真实性，在单槽拍卖的问题可以解决使用合适的探索-开发机制，能够实现每一步的遗憾（超过拍卖人的收入）的顺序$O(T^{-1/3})$（其中T是拍卖的次数重复）。还已知，当采用期望中的真实性时，可以获得$O(T^{-1/2})$阶的每步后悔（对社会福利）。在本文中，我们将文献中已知的结果扩展到多时隙拍卖的情况。在这种情况下，需要一个用户模型来描述广告商的估价如何在时段上变化。我们采用级联模型，这是最有名的模型在文献中的赞助搜索拍卖。我们证明了一些新的上界和下界的拍卖商的收入损失和社会福利w.r.t.的VCG拍卖，我们报告的数值模拟调查的准确性的界限预测的依赖拍卖参数的遗憾。
2014-05-11 cs.GT
Truthful and Faithful Monetary Policy for a Stablecoin Conducted by a Decentralised, Encrypted Artificial Intelligence
calctopia（卡尔克托皮亚）
去中心化稳定币的圣杯是在严格的数学框架上实现的，获得了多个有利的证明：稳定性，收敛性，真实性，忠诚性和恶意安全性。这些特性只能通过以前不相关领域的新颖和跨学科组合来实现：模型预测控制，深度学习，交替方向乘法器方法（共识-ADMM），机制设计，安全多方计算和零知识证明。本文首次证明：- 中央银行去中心化的可行性，同时在去中心化的计算环境中安全地保持其独立性-结合机制设计、可证明的安全性和控制理论对价格稳定的好处，与以前的稳定币不同-在稳定币上实施复杂的货币政策，相当于中央银行使用的那些，并且超出了阻碍其价格稳定的加密货币的当前固定规则-规避保证输出交付（G.O.D.）的不可能性的方法。“信”，就是“信”。作为推论，去中心化的人工智能能够执行稳定币的货币政策，最大限度地减少人为干预。
2019-09-16 cs.AI cs.CR cs.GT
Dominantly Truthful Multi-task Peer Prediction with a Constant Number of Tasks
在参与者被问到多个类似的可能是主观的多项选择问题的设置中（例如，你喜欢熊猫快递吗？你喜欢Chick-fil-A吗？Y/N），设计了一系列的同伴预测机制来激励诚实报告，其中一些实现了显性真实性：说真话是一种显性策略，并在一定的温和条件下严格优于其他"非排列策略"。然而，一个主要问题阻碍了这些机制的实际使用：它们要求参与者执行无限数量的任务。当参与者执行有限数量的任务时，这些机制只能实现近似的主导真实性。存在一个占主导地位的真实的多任务同行预测机制，只需要有限数量的任务仍然是一个悬而未决的问题，可能有一个负面的结果，即使有充分的先验知识。本文回答了这个问题，提出了一种新的机制，基于确定性的互信息机制（DMI机制），这是占主导地位的真实任务的数量至少是2C和参与者的数量至少是2。C是每个问题的选择数（对于二元选择题，C = 2）。除了激励诚实的报告外，DMI-Mechanism还可以转换为信息评估规则，当至少有3个参与者时，该规则可以识别高质量的信息而无需验证。据我们所知，DMI-Mechanism是第一个适用于有限数量任务的主要真实机制，而不是一个小的恒定数量的任务。
2019-11-01 cs.GT econ.TH
Improved Truthful Mechanisms for Combinatorial Auctions with Submodular Bidders
一个长期存在的开放问题，在拍卖机制设计是设计计算效率的真实机制（近似）最大化的福利与子模块投标人的组合拍卖。第一个这样的机制是由Dobzinski、Nisan和Schapira [STOC'06]获得的，他们给出了一个$O(\log^2{m})$近似，其中$m$是项目的数量。这个问题已被广泛研究，因为，最终在$O(\sqrt{\log{m}})$近似机制Dobzinski [STOC'16]。我们提出了一种计算效率高的真实机制，近似比，提高了国家的最先进的指数因子。特别是，我们的机制实现了$O((\log\log{m})^3)$ -近似的期望，只使用$O(n)$的需求查询，并具有普遍的真实性保证。这解决了Dobzinski关于$Θ(\sqrt{\log{m}})$是否是负设置中的最佳近似比的未决问题。
2019-11-07 cs.DS 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
A Bridge between Liquid and Social Welfare in Combinatorial Auctions with Submodular Bidders
我们研究了组合拍卖中投标人具有子模块（或XOS）估值且受约束的激励兼容机制。我们的目标是最大化\emph{liquid welfare}，这是Dobzinski和Paes Leme（2014）提出的一个针对受约束投标人的效率概念。我们发现，一些已知的真实机制，最好的近似社会福利的组合拍卖与子模块投标人通过需求查询预言机可以适应，使他们保持真实性，并实现渐近相同的近似保证的液体福利。更具体地说，对于具有子模块投标人的组合拍卖中的液体福利优化问题，我们通过修改Kenda和Vöcking（2012）的机制，获得了普遍真实的随机$O(\log m)$近似机制，其中$m$是物品的数量。此外，出于大市场假设经常使用的机制设计，我们引入了竞争性市场的概念，并表明在这样的市场中，流动性福利可以近似在一个恒定的因素由一个随机的普遍真实的机制。最后，在贝叶斯设置中，我们通过调整Feldman，Gravin和Lucier（2014）的结果，获得了一个真实的$O(1)$近似机制，用于投标人估值作为来自已知分布的独立样本生成的情况。
2018-12-12 cs.GT
VC v. VCG: Inapproximability of Combinatorial Auctions via Generalizations of the VC Dimension
具有适当近似比的组合拍卖激励相容计算有效协议的存在性是计算机制设计中的典型问题。据信，在许多情况下，很好的近似组合拍卖可能是无法实现的，由于真实性和计算效率之间的固有冲突。然而，到目前为止，研究人员缺乏证明这些结果的机制。在本文中，我们提出了一种新的方法，我们相信有很大的希望在这个重要的问题上取得进展。我们迈出了开发新技术的第一步，以降低不相交集合的k元组的VC维度。我们应用这种机制来证明第一个计算复杂性的不可近似性结果的激励相容机制的组合拍卖。这些结果适用于一类重要的基于VCG的机制，并基于NP没有多项式大小的电路的复杂性假设。
2009-05-13 cs.DM cs.GT
Competitive Online Truthful Time-Sensitive-Valued Data Auction
在这项工作中，我们研究在线交易时间敏感的有价值的数据的机制。我们采用连续函数$d(t)$来表示数据值随时间的波动$t$。我们的目标是设计一个\emph{online}机制，实现\emph{truthfulness}和\emph{revenue-competitiveness}。我们首先证明了几个下界的收入竞争比在各种假设下。然后，我们提出了几个在线真实拍卖机制，各种对抗模型，如随机的先买后选机制$\mathcal{M}_1$，并证明了它是\textit{truthful}和$Θ(\log n)$ -竞争在一些假设下。然后，我们提出了一个有效的真实加权选择机制$\mathcal{M'}_W$通过放松的折扣类的大小的假设。我们证明了它实现了一个竞争比$Θ(n\log n)$的任何已知的非减折扣函数$d(t)$，和在每个折扣类$n_c \ge 2$的购买者的数量。当最佳的预期收入$OPT_1$可以估计在一个常数的因素，即$c_0 \cdot OPT_1 \le Z \le OPT_1 $为一些恒定的$c_0 \in(0,1)$，我们提出了一个真实的在线发布价格机制，实现了恒定的竞争比$\frac{4}{c_0}$。我们广泛的数值评估表明，我们的机制在大多数情况下表现非常好。
2022-10-20 cs.GT
Truthful Unsplittable Flow for Large Capacity Networks
在本文中，我们将注意力集中在对策论环境中的大容量不可分割流问题。在这种情况下，存在自私的代理，它们控制着一些请求特征，并且可能对它们不诚实。值得注意的是，在博弈论中，许多标准技术，如随机舍入，违反了某些单调性属性，这是真实性的必要条件，因此不能使用。鉴于这种情况，我们设计了一个单调确定性算法，它是基于一个原始-对偶机制，它达到了$\frac{e}{e-1}$的近似比，直到$ε$的差距。这意味着对当前最佳真实机制的改进，以及对当前最佳组合算法的改进。令人惊讶的是，我们证明了在合理的迭代路径最小化算法的家庭中的任何算法，不能产生更好的近似比。因此，为了实现单调的PTAS，如果存在的话，将必须运用不同的技术。我们还考虑了大容量的\textit{single-minded multi-unit combinatorial auction problem}。这个问题与不可分割流问题密切相关，因为可以将其表示为不可分割流问题的整数线性规划的特殊情况。因此，我们通过改进不可分割流问题的算法获得了可比的性能保证。
2008-04-14 cs.DS cs.GT
Influence before Hiring: A Two-tired Incentive Compatible Mechanism for IoT-based Crowdsourcing in Strategic Setting
本文研究了策略环境下基于物联网的多异构任务众包场景，提出了一种两层激励相容机制：第一层通过社交联系选择初始通知器以最大化设备通知数并满足预算约束，第二层利用单峰偏好和总替代标准确定并雇佣高质量设备，理论分析与实验证明该机制具备真实性、预算可行性和个体理性。
2023-04-03 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
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
Learning Truthful Mechanisms without Discretization
CFCS, School of Computer Science, Peking University（计算机科学系，北京大学）；School of Mathematical Sciences, Peking University（数学科学系，北京大学）；School of Business, Jiangnan University（商学院，江南大学）；CMAR, Institute for AI, Peking University（人工智能研究所，北京大学）
本文提出无需离散化的算法TEDI，利用Partial GroupMax Network参数化定价规则并开发新型训练技术，在保证truthfulness的同时实现了优异性能，为自动机制设计提供了新见解。
2025-06-28 cs.AI cs.GT cs.LG
The Price of Strategyproofness in Fair Multi-Resource Allocation for Cloud Computing
Beijing Jiaotong University（北京交通大学）
针对云计算中多资源公平分配问题，提出自适应速度公平（ASF）框架，在满足共享激励、无嫉妒和帕累托最优的同时，实现策略性，并显著提升社会福利公平比率至约1.09384，优于现有机制。
2026-10-08 cs.GT
Incomplete List Setting of the Hospitals/Residents Problem with Maximally Satisfying Lower Quotas
为了减轻医院/居民问题中的分配者数量的不平衡，Goko等人[Goko等人，最大限度地满足医院/居民问题中的低质量问题，Proc. STACS 2022，pp. 31：1--31：20]研究了具有较低配额的医院/居民问题，其目标是找到尽可能满足较低配额的稳定匹配。在他们的论文中，偏好列表被假设为是完整的，也就是说，每个居民的偏好列表（分别为，医院）被假定包含所有医院（分别，居民）。在本文中，我们研究了一个更一般的模型，其中偏好列表可能是不完整的。对于四个自然的情况下，我们得到的最佳和最差的解决方案，逼近结果，和不可逼近的结果的最大差距。
2022-07-22 cs.DS 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
Truth and Regret in Online Scheduling
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Microsoft Research（微软研究院）；Cornell University（康奈尔大学）
我们考虑一个调度问题，云服务提供商有多个单位的资源随着时间的推移。自私的客户端提交作业，每个作业都有到达时间、截止日期、长度和价值。服务提供商的目标是实现一个真实的在线机制调度作业，以最大限度地提高社会福利的时间表。最近的工作表明，在随机假设下，就业到达，有一个单参数家庭的机制，实现接近最优的社会福利。我们表明，任何这样的家庭接近最优的在线机制，存在一个在线机制，在最坏的情况下，执行以及最好的给定的机制。我们的机制是真实的，只要在给定的家庭中的机制是真实的和及时的，并实现最佳（在恒定因素）的遗憾。我们模拟的问题，对一个家庭的在线调度机制的学习专家的意见。一个主要的挑战是，我们所做的任何调度决策不仅会影响当前步骤的收益，还会影响未来步骤的资源可用性和收益。此外，从一个算法（a.k.a.专家）到另一个算法是具有挑战性的，因为它需要与后者算法的状态同步，也因为它影响算法的激励结构。我们进一步展示了如何适应我们的算法，以非千里眼设置工作长度是未知的，直到工作运行完成。再一次，在这种情况下，我们获得了真实性以及渐进最优的遗憾（在多对数因子内）。
2017-03-01 cs.AI cs.DS cs.GT
