Strategic Opinion Manipulation in Multiplex Networks
University of California, San Diego（加州大学圣地亚哥分校）
本文提出多路网络上的策略性意见操纵模型，证明博弈存在闭式纳什均衡，揭示合并层对操纵的双刃剑效应，并刻画平台最优注意力权重选择。
2026-09-22 cs.GT cs.SI
Opinion Dynamics with Multiple Adversaries
University of Texas at Austin（德克萨斯大学奥斯汀分校）；Arizona State University（亚利桑那州立大学）；Cornell University（康奈尔大学）
该研究提出了一种模型，允许社交网络中任意用户子集进行战略操纵，分析了战略行为者的纳什均衡，并通过实验展示了其对极化和分歧的影响，同时提供了检测和学习战略行为者的高效算法。
2026-01-21 cs.GT cs.SI
Network-Induced Strategic Communication in Opinion Dynamics
Université de Lorraine（洛林大学）；CNRS（法国国家科学研究中心）；UCLouvain（天主教鲁汶大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
研究意见动态中网络诱导的战略通信，通过加权影响网络上的战略通信博弈推导通信映射，证明网络对发送者影响由夸张因子概括，通信规则成行为机制，为CODA动态提供基础，还预测了说话者夸张与表达情况。
2026-07-20 cs.GT cs.SY eess.SY
Epistemic Horizon Minority Games: When Abundance Reduces Strategic Value
Bahçeşehir University（巴赫切谢希尔大学）
研究战略价值与选项可见性的关系，通过认知视野少数者博弈形式化该机制，证明了相关性质，区分信息目标价格与福利损失，实验验证并评估战略轨迹编码。
2026-07-07 cs.GT
Pareto Optimality and Strategy Proofness in Group Argument Evaluation (Extended Version)
Massachusetts Institute of Technology（麻省理工学院）；Masdar Institute（马斯达尔理工学院）；Cardiff University（卡迪夫大学）；Université Paris-Dauphine（巴黎多芬大学）；PSL Research University（PSL研究大学）；CNRS（法国国家科学研究中心）；University of Luxembourg（卢森堡大学）
不一致的知识库可以抽象为一组论点和它们之间的失败关系。可以有不止一种一致的方法来评估这样的论证图。集体论证评估是聚合多个主体关于如何评估给定的一组论证的意见的问题。不仅要确保结果在逻辑上是一致的，而且要满足社会最优性和对战略操纵的免疫性的衡量标准，这一点至关重要。这是因为代理人对结果应该是什么有他们的个人偏好。在本文中，我们分析了三个先前介绍的基于参数的聚合算子的帕累托最优性和策略证明下不同的一般类代理偏好。我们强调战略可操作性和社会最优性之间的基本权衡，一方面，另一方面，经典的逻辑标准。我们的研究结果激励进一步调查社会选择和论证理论之间的关系。结果也是相关的选择一个适当的聚合运营商的标准，被认为是更重要的，以及代理商的偏好的性质。
2017-04-07 cs.AI
Commitment games with conditional information disclosure
相互透明的计算机代理人的条件承诺能力已经在以前的工作承诺游戏和程序平衡。这些文献已经展示了这些能力是如何帮助解决囚徒困境和其他在完全信息环境中的合作失败的。但是，由于私人信息的低效率一直被忽视，迄今为止，在这方面的文献，尽管事实上，这些问题是普遍存在的，也可以通过更大的相互透明度来解决。在这项工作中，我们介绍了一种新的有条件的承诺设备，代理人可以使用有条件地披露私人信息的承诺游戏的框架。我们证明了一个民间定理，为事后效率提供了充分的条件，从而代表了一个理想的代理之间的合作模式，没有第三方调解人。将我们的框架与文献战略信息披露，我们探讨的情况下，有条件的披露可以用来实现充分的合作，而无条件的披露不能。最后，扩展以前的工作程序均衡，我们开发了一个实施条件信息披露。我们表明，这种实现形式的程序$ε$ -贝叶斯纳什均衡对应于这些承诺游戏的贝叶斯纳什均衡。
2022-12-03 cs.GT
Linear Regression from Strategic Data Sources
Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；Inria（法国国家信息与自动化研究所）；CNRS（法国国家科学研究中心）；Grenoble INP（格勒诺布尔国立理工学院）；LIG（格勒诺布尔信息学实验室）；Northeastern University（东北大学）；Max-Planck Institute for Software Systems (MPI-SWS)（马克斯·普朗克软件系统研究所）
线性回归是统计数据分析的基本组成部分。它相当于估计将输入特征映射到相应输出的线性模型的参数。在每个数据点的精度固定的经典设置中，统计学中著名的艾特肯/高斯-马尔可夫定理指出，广义最小二乘（GLS）是所谓的“最佳线性无偏估计”（BLUE）。然而，在现代数据科学中，人们经常面临战略数据源，即为提供高精度数据而产生成本的个人。在本文中，我们研究了一种设置，其中的功能是公开的，但个人选择的精度，他们透露给分析师的输出。我们假设分析师对该数据集执行线性回归，并且个人从该估计的结果中受益。我们将这种情况建模为一个游戏，其中个人最大限度地减少成本，包括两个组成部分：（a）提供高精度数据的（特定于代理人的）披露成本;和（b）表示线性模型估计不准确性的（全球）估计成本。在这个博弈中，线性模型的估计是一种公共产品，使所有个人受益。我们建立了这个博弈有一个唯一的非平凡的纳什均衡。我们研究了这种均衡的效率，我们证明了严格的价格上的限制，为一大类的披露和估计成本的稳定性。最后，我们研究了估计精度达到平衡。我们表明，在一般情况下，艾特肯定理不持有战略数据源，虽然它确实持有，如果个人有相同的披露成本（乘法因子）。当个人有不相同的成本，我们推导出的平衡估计成本，可以通过偏离GLS，披露成本函数的温和假设下，改善的约束。
2019-12-12 cs.GT cs.LG math.ST
Coalitional game with opinion exchange
在联盟博弈中，如果不同的参与者对联盟中每个子集的支付函数持有不同的观点，传统的联盟博弈理论就不适用了。在本文中，我们提出了一个框架，在这个框架中，参与者可以交换他们对支付函数的看法，然后决定大联盟的价值分配。当所有参与者都说真话时，意见一致的问题与联盟博弈无关，但当参与者在共识阶段具有战略性时，就会出现有趣的动态。假设所有参与者都是理性的，该模型意味着，如果有影响力的参与者是风险厌恶的，则在纯策略纳什均衡实现分布式数据的有效融合，这意味着平均意见不会漂移。此外，在不假设所有参与者都是理性的情况下，每个参与者都可以使用算法R学习过程，这与理性参与者的纯策略纳什均衡的结果相同。
2017-09-11 cs.GT
Bounding the inefficiency of compromise in opinion formation
互联网上的社交网络最近有了巨大的增长，并在当今生活的不同方面发挥着至关重要的作用。它们以有益于用户的方式促进了信息传播，但它们往往被战略性地用于传播只为特定用户的目标服务的信息。这些属性激发了社会学的经典意见形成模型的修订，使用博弈论的概念和工具。我们遵循相同的建模方法，专注于每个用户表达的观点是她的内部信念和她的社交熟人中的少数邻居的意见之间的妥协的场景。我们制定简单的游戏，捕捉这种行为和量化的无效率的均衡使用众所周知的概念的无政府代价。我们的研究结果表明，妥协的代价，强烈依赖于邻域大小。
2018-02-22 cs.GT
Decentralized Dynamics for Finite Opinion Games
博弈论研究的情况下，战略参与者可以修改一个给定的系统的状态，由于缺乏一个中央权威。解决方案的概念，如纳什均衡，被定义为预测这种情况的结果。在多玩家环境中，有人指出，为了现实，解决方案的概念应该通过分散和合理简单的过程来获得。因此，我们看看通过分散动力学的解决方案的概念的计算。在这些算法中，参与者轮流行动以提高自己的效用，希望系统能迅速达到“均衡”。我们研究了最近由Bindel等人引入的观点游戏类的动态[Bindel等人，FOCS 2011]。这些游戏在经济学和社会学中很重要，它们模拟了社交网络中观点的形成。我们研究最佳响应动态，并显示上界和下界的收敛到纳什均衡。我们还研究了一个嘈杂的版本的最佳响应动态，称为logit动态，并证明了主机的结果，其收敛速度的噪声在系统中的变化。为了得到这些结果，我们使用了各种各样的技术来限制马尔可夫链的混合时间，包括耦合，谱特征和瓶颈比。
2013-11-07 cs.GT
Information Compression in Dynamic Information Disclosure Games
本文研究两方动态信息设计博弈，在诚实披露规则下，证明存在完美贝叶斯均衡，双方采用基于规范信念策略并利用压缩信息，同时给出向后归纳求解程序。
2024-03-18 cs.GT cs.MA cs.SY
InfoBid: A Simulation Framework for Studying Information Disclosure in Auctions with Large Language Model-based Agents
本文提出InfoBid仿真框架，利用GPT-4o驱动的LLM智能体研究多智能体拍卖中信息披露策略的影响，揭示了信号传递对策略行为和拍卖结果的作用，弥合了理论市场设计与实际应用的差距。
2025-03-26 cs.CL cs.GT cs.HC
Information-Theoretic Approach to Strategic Communication as a Hierarchical Game
本文从信息论的视角分析了起源于经济学的信息披露问题。这样的问题与信息论中的传统通信范例根本不同，因为它们涉及编码器和解码器的不同目标，编码器和解码器意识到这种失配并相应地采取行动。这导致，在我们的设置中，到一个层次的通信游戏，发射机宣布一个编码策略与充分的承诺，其失真的措施取决于一个私人信息序列，其实现是在发射机。接收机基于所通告的编码映射和统计信息来决定其解码策略，该解码策略使其自身的失真最小化。三个问题的设置被认为是，专注于二次失真的措施，并联合高斯源和私人信息：压缩，通信和简单的平衡条件，没有任何压缩或通信。均衡策略和相关成本的特点。分析，然后扩展到接收方的信息设置和最优策略的结构中的主要变化被确定。最后，扩展的结果分散随机控制的更广泛的背景下。
2016-07-11 cs.GT cs.IT math.IT
Information Sharing in Networks of Strategic Agents
确保社交网络（如意见一致、合作估计、分布式学习和适应等）随着智能体数量的激增和有效运作，参与智能体需要通过重复共享信息来相互协作。然而，分享信息往往是昂贵的代理人，而导致他们没有直接的直接利益。因此，缺乏合作的激励，旨在最大化自己的个体效用的战略代理人将保留而不是共享信息，导致网络的低效运行甚至崩溃。在本文中，我们开发了一个系统的框架，设计分布式评级协议，旨在激励战略代理相互合作，共享信息。建议的激励协议利用代理人的相互作用的持续性质来分配评级，并通过它们来确定未来的奖励和惩罚：代理人的行为是直接享受高评级-因此更多的未来访问其他人的信息;代理人没有直接享受低评级-因此更少的未来访问其他人的信息。与现有的评级协议不同，该协议以分布式方式在线运行，并考虑到代理的底层互连性以及它们的异质性。我们证明，在许多部署方案的无政府代价（PoA）通过采用建议的评级协议是一个。在PoA大于1的设置中，我们表明，建议的评级协议仍然显着优于现有的激励机制，如针锋相对。重要的是，所提出的评级协议也可以有效地运行在部署方案中，战略代理人的互动随着时间的推移，新的代理加入网络的网络拓扑结构。
2013-09-16 cs.GT
Information Signal Design for Incentivizing Team Formation
我们研究贝叶斯说服的使用（即，信息披露/信号的战略性使用）。这在众包竞赛、开放科学挑战和基于小组的任务等环境中是一个重要的考虑因素，在这些环境中，大量的代理人将自己组织成小团队，然后相互竞争。这里的一个核心紧张关系是希望拥有最高绩效团队的代理人的战略利益与希望团队平衡的委托人之间的战略利益。此外，尽管校长不能选择团队或修改奖励，但她通常对代理人的能力有额外的了解，并且可以利用这种信息不对称来提供影响团队形成的信号。我们的工作揭示了自我意识的关键作用（即，（1）对自己能力的认识）用于设计这种机制。对于两个成员的团队和二进制值的代理划分成一个常数的前几类的设置，我们提供的信号机制是渐近最优的代理是不可知的自己的能力。另一方面，当代理是自我意识的，那么我们表明，有没有信号机制，可以做得比不发布信息，同时满足代理的参与约束。
2019-10-01 cs.GT
The Architecture of Illusion: Network Opacity and Strategic Escalation
University of California, San Diego（加州大学圣地亚哥分校）；Northeastern University（东北大学）
本文提出'联结心智'模型，通过参数化网络偏见统一有限理性框架，揭示网络不透明性如何引发复杂偏见并影响战略行为，提出升级原理与透明度反转，展现网络拓扑对认知行为的调节作用。
2026-02-11 cs.GT econ.TH
Discrete Preference Games in Heterogeneous Social Networks: Subverted Majorities and the Swing Player
研究异质社交网络中的离散偏好博弈。这些游戏模拟了玩家的私人信仰和他/她公开声明的观点之间的相互作用（这可能与玩家的信念不同）作为一个战略游戏，其中玩家的策略是意见，并且状态中意见的成本是通过两个因素的参数$α\in[0,1]$的凸组合：参与者的意见与他/她的内部信念之间的分歧，以及与参与者意见不同的邻居的数量。参数$α$模拟了一个玩家的顽固程度：只有当许多邻居不同意他/她的信念时，具有大$α$的玩家才会改变他们的观点。我们认为社交网络是异质的，在这个意义上，参数$α$可以不同的球员。我们要问的是，在均衡状态下，大多数参与者所共有的信念是否可能与大多数参与者公开宣布的观点不一致。我们的主要结果是一个社交网络，承认一个初始的信念分配，存在一个序列的最佳对策的动作，达到一个平衡，在初始的大多数被颠覆的表征。我们的特征是有效的，在这个意义上，可以有效地测试和初始的信念分配，可以被颠覆，可以计算在时间多项式中的球员的数量。我们的结果实际上更强，因为我们表明，在每个可以被颠覆的初始信念分配中，颠覆实际上是以一种非常强的方式获得的：只需要一个单一参与者，摇摆参与者的一次行动，就可以将社交网络带到不归点，任何参与者的任何理性举动都会导致被颠覆的大多数。
2016-03-09 cs.DS cs.GT cs.MA
Sparse One-Step-Ahead Optimal Control of Time-Varying Affine Opinion Networks: Tracking and Competitive Games
Federal University of Rio de Janeiro（里约热内卢联邦大学）
本文针对时变仿射意见网络，提出一种稀疏一步超前最优控制方法，通过排序实现精确支持选择，并扩展到竞争博弈场景，验证了跟踪性能与均衡存在性。
2026-09-18 cs.GT cs.SY eess.SY
Integrated Design and Governance of Agentic AI Systems through Adaptive Information Modulation
Department of Mechanical and Industrial Engineering（机械与工业工程系）；Institute of Experiential AI（体验人工智能研究所）；Network Science Institute（网络科学研究所）；Northeastern University（东北大学）；Boston, MA 02115, United States（波士顿，马萨诸塞州，02115，美国）
本文提出一种将自适应信息调制治理机制集成到智能体AI系统设计中的框架，通过分离交互与信息流网络并利用强化学习治理智能体动态调节信息透明度，在保留智能体自主性的同时显著提升合作水平。
2025-10-27 cs.AI cs.CL cs.CY
Value of Information in Games with Multiple Strategic Information Providers
研究多个策略性信息提供者与单一接收者间的层级信号博弈，证明线性无噪声策略可实现最优均衡且发送者竞争对接收者有益，并扩展至动态博弈和多接收者场景。
2023-06-26 cs.GT cs.IT cs.SY
Polarization and coherence in mean field games driven by private and social utility
我们研究了一个平均场博弈在连续时间在有限的地平线上，T，每个代理的状态是二元的，玩家的战略决策基于两个，可能是竞争的因素：愿意与大多数人（顺从）和坚持自己的类型的愿望（服从）。我们还考虑了一个与状态变化率相关的二次成本：改变观点可能是一个代价高昂的操作。根据模型的参数，博弈可能有不止一个纳什均衡，尽管相应的N人博弈没有。此外，它表现出一个非常丰富的相图，极化/非极化，相干/非相干的平衡可能共存，除了T小，其中的平衡总是唯一的。我们充分描述了这样的相图在封闭的形式，并提供了一个详细的数值分析的N-玩家对应的平均场游戏。在这个有限维的设定中，参与者群体选择的均衡总是一致的（有利于类型与初始条件一致的子群体），但它不一定最小化成本泛函。相反，在连贯的均衡中，占主导地位的均衡似乎是最有利于被迫改变观点的弱势群体的均衡。
2021-07-13 cs.GT math.PR
Platforms for Efficient and Incentive-Aware Collaboration
本文利用信息设计框架研究策略性智能体间的协作效率问题，提出两类贝叶斯劝说信号方案，在平台掌握更多任务关联信息的条件下引导智能体实现高效协作，并给出近似比的理论保证。
2024-11-20 cs.DS cs.GT cs.MA
Information design in Bayesian routing games
本文研究贝叶斯路由博弈中面向策略用户的最优信息设计，重点分析私有路径推荐信号，并给出两条并行链路仿射延迟下实现最优性的充分条件，发现不确定性越大越有利于规划者实现最优。
2023-11-30 cs.GT
