Contextual Generative Auction with Permutation-level Externalities for Online Advertising
本文提出上下文生成式拍卖（CGA），通过自回归模型建模排列级外部性并解耦分配与支付优化，显著提升在线广告拍卖的平台收入与点击率。
2024-12-16 cs.GT
A Joint Auction Framework with Externalities and Adaptation
Meituan（美团）
本文提出一种结合外部性和适应性的联合拍卖框架，通过JEANet自动机制设计方法，实现满足个体理性和近主导策略激励相容条件的联合拍卖机制，提升多槽联合拍卖效率。
2025-12-17 cs.GT
On Multiple Round Sponsored Search Auctions with Budgets
在赞助搜索拍卖中，搜索结果页面上的广告位通常按点击率排序。投标人有一个估值，通常假设点击率是线性的，这是一个预算约束，每个搜索结果页面（轮）最多只能获得一个位置。我们研究多轮赞助搜索拍卖，不同的回合是通过投标人的预算约束和投标人的所有回合的估值是个别回合的估值的总和。到目前为止，所有发表的机制要么研究一轮赞助搜索拍卖，要么研究每轮只有一个位置，所有位置都有相同的点击率，这与多项拍卖相同。本文主要研究了以下三个方面的问题：（1）给出了多轮赞助商搜索问题的第一种机制，其中不同的时隙具有不同的点击率。我们的机制是激励相容的期望，个人理性的期望，帕累托最优的期望，也是事后帕累托最优的每一个实现的结果。(2)此外，我们研究的组合设置，每个投标人只感兴趣的一个子集的轮。我们给出了一个确定性的，激励兼容的，个人理性的，帕累托最优的机制设置，所有插槽有相同的点击率。(3)我们提出了一个不可能的结果，投标人的边际估值递减拍卖。具体而言，我们表明，即使是多单位（每轮一个插槽）设置有没有激励兼容，个人理性，帕累托最优机制，私人边际估值和公共预算。
2011-12-29 cs.GT
Ranking and Tradeoffs in Sponsored Search Auctions
在赞助搜索拍卖中，关于如何对广告进行排名的决定会在收入和福利等目标之间进行权衡。在本文中，我们将研究如何进行这些权衡。首先，我们认为，最自然的解决方案的概念，以评估这些权衡是最低的对称纳什均衡（SNE）。作为这一论点的一部分，我们概括了众所周知的最低SNE和VCG结果之间的联系。然后，我们提出了一个新的排名算法，松散的收入最优拍卖的基础上，使用底价订购的广告（不只是过滤它们），并给出条件下，它提高了更多的收入比简单地应用该底价。最后，我们进行了广泛的模拟研究不同的排名算法的权衡，并表明我们提出的算法，使优越的操作点的各种指标。
2013-04-29 cs.GT
Audited Auctions: Reducing Harms in Advertising
Boston University（波士顿大学）；Boston College（波士顿学院）；Harvard University（哈佛大学）；Massachusetts Institute of Technology（麻省理工学院）
研究广告市场中标准拍卖机制存在的问题，提出拍卖师审计和惩罚机制，该机制可筛选严重外部性，经证明能正式内化外部性，还通过实证探索了社会福利收益。
2026-07-21 cs.GT
Reinforcement Mechanism Design, with Applications to Dynamic Pricing in Sponsored Search Auctions
在这项研究中，我们采用强化学习技术，并提出我们所谓的强化机制设计，以解决动态定价问题，赞助搜索拍卖。与之前严重依赖理性和投标人之间的常识的博弈论方法相比，我们采取了数据驱动的方法，并试图通过重复的交互来学习最优保留价。我们实现我们的方法在当前的赞助搜索框架内的主要搜索引擎：我们首先训练买方行为模型，通过一个真正的投标数据集，准确地预测出价给定的信息，投标人都知道，包括游戏参数披露的搜索引擎，以及投标人的KPI数据从以前的回合。然后，我们提出了一个增强/MDP（马尔可夫决策过程）为基础的算法，随着时间的推移，优化保留价格，在一个类似GSP的拍卖。我们的模拟表明，我们的框架优于静态优化策略，包括目前正在使用的，以及其他几个动态的。
2017-11-28 cs.GT
Multi-Armed Bandit Mechanisms for Multi-Slot Sponsored Search Auctions
在当前被搜索引擎广泛使用的按点击付费赞助的搜索拍卖中，针对关键字的拍卖涉及一定数量的广告商（例如k）竞争可用的位置（例如m）以显示他们的广告。这种拍卖通常进行多轮（比如T轮）。存在与每个座席-时隙对相关联的点击概率mu_ij。搜索引擎的目标是广告主的社会福利最大化，即广告主的价值总和。搜索引擎不知道广告商对于点击他们各自的广告所具有的真实值，并且也不知道点击概率mu_ij s。因此，搜索引擎的关键问题是在拍卖的T轮期间学习这些点击概率，并且还确保拍卖机制是真实的。最近已经引入了用于解决这种学习和激励问题的机制，并且被恰当地称为多武装强盗（MAB）机制。当m = 1时，真实MAB机制的特征在文献中可用，并且已经表明，这种机制的遗憾将是O（T^{2/3}）。在本文中，我们试图在现实的，但非平凡的一般情况下，当m > 1，得到一个特征，并得到几个有趣的结果。
2010-01-17 cs.GT
Towards Data Auctions with Externalities
本文研究存在企业间外部性的数据拍卖问题，将多数据集分配定价归约为单一数字商品拍卖，并推导出福利与收益最优机制，证明最优分配规则为每企业单一阈值。
2024-10-13 cs.GT
Fair Equilibria in Sponsored Search Auctions: The Advertisers' Perspective
在这项工作中，我们引入了一类新的机制组成的一个传统的广义第二价格（GSP）拍卖和公平的划分方案，以达到一些所需的水平之间的贝叶斯策略广告客户群体的公平性。我们提出了两种机制，$β$ -公平的GSP和GSP-EFX，组成GSP，分别与一个envy-free多达一个项目，和一个envy-free多达任何项目公平划分计划。调整普惠制的付款，以补偿因公平划分阶段而遭受效率损失的广告客户。我们调查的战略学习的影响，部署赞助搜索拍卖机制，遵守这样的公平标准。我们证明，对于这两种机制，如果投标人发挥，以尽量减少他们的外部遗憾，他们保证达到一个均衡与良好的社会福利。我们还证明了预算平衡的机制，使传统的普惠制机制收取的费用是一个很好的代理提供给广告商的总报酬。最后，我们通过对真实数据的实验来评估分配的质量。
2022-10-18 cs.GT
Position Auctions with Externalities and Brand Effects
本文提出了预测点击率的模型，在位置拍卖，考虑到两种可能性，通常不考虑-在其他位置显示的广告的身份可能会影响的概率，在一个特定的位置广告接收点击（外部性），一些广告可能会受到不利影响，被显示在一个较低的位置比其他（品牌效应）。我们提出了一个一般的公理化方法，点击概率是如何影响的质量的广告在其他位置，并说明使用这些公理将增加收入，只要高质量的广告往往被排在前面的低质量的广告。我们还提出了适当的算法，用于选择广告的最佳分配时，预测的点击率由外部性或品牌效应，我们认为模型。最后，我们分析了一个贪心算法的性能排名广告的预期成本每1000次展示出价时，真正的点击率由我们的模型预测的点击率与品牌效应，并说明这样的算法可能会花费高达一半的总可能的社会福利。
2014-09-16 cs.GT
Sponsored Search Auction Design Beyond Single Utility Maximization
本文研究混合自动出价竞拍者环境下的赞助搜索拍卖设计，提出补贴效用模型，并针对公开与私有补贴信息分别设计真实机制，实现近似最优的社会福利。
2024-12-30 cs.GT
Sponsored Search Auctions with Markovian Users
赞助搜索涉及在广告客户之间进行拍卖，这些广告客户出价以使他们的广告显示在特定关键字的搜索结果旁边。目前，赞助搜索最流行的拍卖是“通用第二价格”（GSP）拍卖，其中广告客户按其“得分”的降序分配到广告位，“得分”被定义为他们的出价和点击率的乘积。在过去的几年里，已经有显着的研究中出现的广告客户的互动机制，以及可能的重新设计的机制的博弈论问题，但这种排名顺序仍然是标准的。从搜索引擎的角度来看，最根本的问题是：什么是广告客户的最佳分配插槽？这里的“最佳”可以指“最大化用户满意度”、“最高效”、“收入最大化”、“最简单的交互”或这些的组合。要回答这个问题，我们需要了解搜索引擎用户在看到显示的广告时的行为，因为这定义了广告商正在竞标的商品及其价值。大多数先前的工作都假设用户点击广告的概率与页面上显示的其他广告无关。我们提出了一个简单的马尔可夫用户模型，不做这个假设。然后，我们提出了一个算法，以确定最有效的分配在这个模型下，这原来是不同的GSP。一个真实的拍卖，然后从维克雷-克拉克-格罗夫斯（VCG）机制的应用。此外，我们表明，我们的分配有许多可取的属性的GSP，使投标直观。在我们的结果的技术核心是一些见解的结构的最优分配。
2008-05-06 cs.GT
Sponsored Question Answering
本文首次形式化分析赞助型问答平台，提出融合自然答案与广告的赞助答案机制，并证明该机制能激励广告主真实出价且具备VCG拍卖的稳定性。
2024-07-05 cs.GT
Algorithmic Methods for Sponsored Search Advertising
现代商业因特网搜索引擎响应于用户查询而沿着搜索结果显示广告。这种赞助搜索依赖于市场机制来为这些广告定价，利用广告商之间的拍卖，这些广告商出价以使他们的广告针对特定关键字显示。我们目前的系统，这样的拍卖的概述，也描述了基本的博弈论方面。这个游戏涉及到三方--广告商、搜索引擎和搜索用户--我们提出了强调每一方作用的示例研究方向。这些博弈中的投标和定价算法使用了三个数学领域的技术：机制设计、最优化和统计估计。最后，我们提出了一些挑战，在赞助搜索广告。
2008-05-12 cs.GT
Budget Optimization for Sponsored Search: Censored Learning in MDPs
我们考虑的预算优化问题所面临的广告客户参与重复的赞助搜索拍卖，寻求最大限度地提高点击量达到预算。我们将预算优化问题转化为一个具有删失观测的马尔可夫决策过程（MDP），并提出了一种基于Kaplan-Meier或乘积限估计的学习算法。我们验证了该算法的性能进行比较，它与其他几个从Microsoft adCenter的搜索拍卖数据的大集合，展示快速收敛到最佳性能。
2012-10-16 cs.GT
Social Surplus Maximization in Sponsored Search Auctions Requires Communication
本文证明在赞助搜索拍卖中，即使投标人可自由通信，计算最优社会剩余仍需网站与投标人之间Ω(mn)比特的通信，其中n为广告位数量，2^{-m}为最小报价单位。
2023-05-12 cs.GT cs.IT econ.TH
Autobidding Equilibria in Sponsored Shopping
Google（谷歌）；Columbia University（哥伦比亚大学）
本文研究了赞助购物拍卖中的自动出价均衡，证明了两种常见拍卖机制下自动出价均衡的普遍存在，并证明了其价格无序为2。
2026-02-26 cs.GT
Designing Truthful Contextual Multi-Armed Bandits based Sponsored Search Auctions
IIIT Hyderabad（印度国际信息技术研究所海得拉巴分校）；IIT Ropar（印度理工学院罗帕尔分校）
对于赞助搜索拍卖，我们考虑了策略代理存在的上下文多臂强盗问题。在这种设置中，在每一轮，广告平台（中心）运行拍卖以选择与用户发布的查询相关的最适合的广告。选择具有高期望值的广告（即，从广告的点击得到点击$\times$值的概率）。获得点击的概率（CTR）对于中心来说是未知的，并且取决于发布查询的用户的简档（上下文）。此外，对于点击导出的值是广告商的私人信息，因此需要如实地引出。在这种设置中的现有解决方案是不实用的，因为它遭受非常高的遗憾（$O(T^{\frac{2}{3}})$）。
2020-02-26 cs.GT cs.LG
Bandits for Sponsored Search Auctions under Unknown Valuation Model: Case Study in E-Commerce Advertising
Eindhoven University of Technology（埃因霍温理工大学）；Zalando SE（扎兰多股份公司）
针对赞助搜索拍卖估值未知、反馈无假设约束的问题，提出适配黑盒拍卖与延迟批量反馈的多臂老虎机出价系统，经Zalando案例验证可有效提升拍卖盈利能力。
2024-05-14 cs.AI cs.GT cs.LG
Position Auctions in AI-Generated Content
本文研究AI生成内容中赞助创意嵌入的位置拍卖问题，针对位置-创意对建立点击率模型，并在MNL模型和级联模型下分别设计福利与收益最大化的最优或近似最优机制。
2025-06-03 cs.GT
Practical Constrained Optimization of Auction Mechanisms in E-Commerce Sponsored Search Advertising
Alibaba Group（阿里巴巴集团）；Tantan（探探）
亚马逊、淘宝和天猫等电子商业平台的赞助搜索为卖家提供了一种有效的方式，以达到最相关的目的。本文研究了阿里巴巴移动电子商业平台上赞助搜索中的拍卖机制优化问题。除了创造收入外，我们还应该保持一个拥有大量优质用户的高效市场，保证广告商的合理投资回报率（ROI），同时为用户提供愉快的购物体验。这些要求本质上提出了一个约束优化问题。直接优化拍卖参数会产生一个不连续的，非凸的问题，否认有效的解决方案。我们的主要贡献之一是一个实用的凸优化制定的原始问题。我们设计了一种新的重新参数化的拍卖机制离散集的代表性的情况下。为了构造优化问题，我们建立了一个拍卖模拟系统，通过重放从真实在线请求记录的拍卖来估计所选参数的业务指标。我们总结了真实搜索流量的实验，分析了拍卖模拟的逼真度，不同约束目标下的有效性和正则化的影响。实验结果表明，通过适当的熵正则化，我们能够最大化收入，同时限制在给定的范围内的其他业务指标。
2018-07-31 cs.GT cs.LG stat.ML
Auctions Meet Bandits: An Empirical Analysis
University of Washington（华盛顿大学）；Cornell University（康奈尔大学）；Yale University（耶鲁大学）
本文基于移动应用商店关键词广告拍卖数据，研究第二价格拍卖与 Thompson Sampling 结合下的最优探索，并提出按关键词特征定制的探索策略以改进平台收入与效率。
2026-10-20 cs.GT
Optimal Traffic Allocation for Multi-Slot Sponsored Search: Balance of Efficiency and Fairness
本文针对多广告位赞助搜索中的预算分配不公平问题，提出基于基尼指数公平度量的全局优化模型和在线算法，在保持效率的同时提升广告流量分配的公平性。
2025-02-03 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
A Game-theoretic Machine Learning Approach for Revenue Maximization in Sponsored Search
Peking University（北京大学）；Microsoft Research Asia（微软亚洲研究院）
赞助搜索是搜索引擎的一个重要的盈利渠道，其中使用拍卖机制来选择显示给用户的广告并确定向广告商收取的价格。在文献中已经有几篇研究如何设计拍卖机制以优化搜索引擎的收益的工作。但由于使用了一些不切实际的假设，这些研究的实际价值并不十分明确。在本文中，我们提出了一种新的\emph{game-theoretic machine learning}方法，自然地结合了机器学习和博弈论，并学习拍卖机制使用一个双层优化框架。特别是，我们首先从历史数据中学习马尔可夫模型来描述广告客户如何改变他们的出价，以响应拍卖机制，然后对于任何给定的拍卖机制，我们使用学习的模型来预测其相应的未来出价序列。接下来，我们学习的拍卖机制，通过经验收益最大化的预测出价序列。我们证明了当预测周期趋于无穷大时，经验收益将收敛，并且遗传编程算法可以有效地优化经验收益。我们的实验表明，所提出的方法是能够产生一个更有效的拍卖机制比几个基线。
2014-06-04 cs.GT cs.LG
Combinatorial Auctions with Conflict-Based Externalities
组合拍卖是机制设计中的一个研究热点。然而，与标准模式相反，实证研究表明，投标人的估价往往不仅仅取决于分配给他的货物。例如，在adwords拍卖中，广告客户可能不希望自己的广告显示在竞争对手的广告旁边。在本文中，我们提出并分析了几个自然图论模型，将这种负外部性，投标人形成一个有向冲突图的最大出度$Δ$。我们设计的算法和真实的社会福利最大化的机制，达到近似比率取决于$Δ$。对于CA，我们的结果是双重的：（1）通过丢弃独立于投标的投标人/项目来消除冲突的彩票。它允许应用任何真实的$α$ -近似机制进行无冲突的估值，并产生一个$\mathcal{O}(αΔ)$ -近似机制。(2)对于分数次可加性赋值，我们设计了一个舍入算法，通过一个新的组合的半定规划和线性规划，从而在一个锥规划，逼近比是$\mathcal{O}((Δ\log \log Δ)/\log Δ)$。在现有硬度结果的情况下，该比率几乎是最佳的。对于adwords拍卖的突出应用，我们提出了几种算法，最相关的情况下，项目的数量是小的。特别地，我们设计了一个真实的机制与近似比$o(Δ)$时，项目的数量只是对数的投标人的数量。
2015-09-30 cs.DS cs.GT
Diversification in the Internet Economy:The Role of For-Profit Mediators
我们调查的市场力量，将导致出现新的球员在赞助搜索市场。我们报告了3倍的多样化发起的赞助搜索市场的两个固有特征，即能力限制和当前机制的合谋脆弱性。在第一种情况下，我们提出了一个比较研究的两个模型的动机容量限制-一个额外的能力是由营利性代理商，谁竞争的插槽在原来的拍卖，吸引流量，并运行自己的子拍卖，和其他的，其中的额外容量是由拍卖人自己提供的，基本上作为一个调解人，并运行一个单一的组合拍卖。本研究是由我们在\cite{SRGR07}发起的，在那里研究了基于中介的模型。在目前的工作中，我们研究了基于拍卖的模型，并表明，这种模式似乎不如基于中介的模型在收入或效率保证方面，由于增加了容量。在第二种情况下，我们发起了一个博弈论的研究，目前赞助搜索拍卖，涉及激励驱动的调解人利用这些机制是不抗合谋的事实。特别是，我们表明，广告商可以提高他们的回报，通过使用的调解人的服务相比，直接参与拍卖，调解人也可以获得金钱上的好处，而不违反激励约束的广告商谁不使用其服务。我们还指出，拍卖人不能做很多通过机制设计，以避免这种营利性的调解，而不损失严重的收入，因此，调解人很可能会占上风。
2007-11-02 cs.GT
A Dominant Strategy Truthful, Deterministic Multi-Armed Bandit Mechanism with Logarithmic Regret
随机多臂强盗（MAB）机制被广泛应用于赞助搜索拍卖、众包、在线采购等领域。现有文献中提出的具有确定性支付规则的随机MAB机制必然会遇到$Ω(T^{2/3})$的问题，其中$T$是时间步的数目。这是因为现有的机制考虑了最坏的情况，其中代理的随机奖励的平均值被取决于$T$的非常小的量分开。我们做，并利用关键的观察，在大多数情况下，代理人的奖励之间的分离很少是一个功能的$T$。此外，在武器的奖励任意接近的情况下，这种次优武器所带来的遗憾是最小的。我们的想法是允许中心指示分辨率，$Δ$，必须用它来区分代理。这立即导致我们引入$Δ$ -后悔的概念。使用赞助搜索拍卖作为一个具体的例子（同样的想法适用于其他应用程序，以及），我们提出了一个主导战略激励兼容（DSIC）和个别理性（IR），确定性MAB机制，从上置信限（UCB）家庭的MAB算法的思想的基础上。值得注意的是，所提出的机制$Δ$ -UCB实现了一个$Δ$ -遗憾的$O(\log T)$的情况下，赞助搜索拍卖。我们首先建立单插槽赞助搜索拍卖的结果，然后非平凡的扩展结果的情况下，多个插槽被分配。
2020-05-29 cs.GT
Sponsored Questions and How to Auction Them
Google Research（谷歌研究院）；Purdue University（普渡大学）
本文研究如何通过拍卖机制优化赞助建议与广告的交互流程，探讨端到端优化与模块化方法的效率对比。
2025-12-03 cs.AI cs.GT
For-profit mediators in sponsored search advertising
中介者是博弈论中一个著名的结构，它是一个实体，代表一些选择使用其服务的代理人，而其余的代理人直接参与博弈。我们发起了一个游戏理论研究赞助搜索拍卖，如谷歌和雅虎使用，涉及{ \em激励驱动}中介。我们把这种中介称为{ \em营利性}中介，以区别于先前工作中介绍的中介，后者没有金钱激励，并由实现某些期望结果的利他目标驱动。我们表明，在我们的模型中，（i）球员/广告商可以提高他们的收益，通过选择使用中介的服务，相比直接参与拍卖;（ii）中介可以获得金钱利益，通过管理广告负担的广告客户组;以及（iii）中介者和它所服务的广告主的收益与不使用其服务的广告主的激励约束是相容的。上述结果背后的一个简单直觉来自于观察，即调解人比任何个人广告商拥有更多关于出价概况的信息和更多对出价概况的控制，使她能够减少向拍卖师支付的款项，同时仍然保持激励约束。此外，我们的研究结果表明，在互联网经济中存在重大的多元化机会，我们应该期待它继续发展更丰富的结构，为不同类型的代理人共存的空间。
2007-09-03 cs.GT
Multi-Category Fairness in Sponsored Search Auctions
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Harvard University（哈佛大学）
广告中的公平性是一个受到计算机科学和经济学文献中理论和经验观察的特别关注的话题。我们研究了为来自许多不同类别的广告客户提供服务的通用平台的广告公平性问题。首先，我们从个体公平和无嫉妒的角度出发，提出了类间公平和类内公平的要求。其次，我们调查的“平台实用程序”（代理的质量分配）可实现的机制，满足这些desiderata。更具体地说，我们比较公平的机制对不公平的最佳效用，我们通过建设表明，我们的公平desiderata是兼容的效用。也就是说，我们构建了一个家庭的公平机制，具有高效用，在一类公平机制中表现接近最优。我们的机制还具有良好的实现属性，包括度量遗忘，这允许平台在不需要知道公平性要求的具体情况下产生公平分配。
2019-08-29 cs.GT cs.LG
A Novel Bid Optimizer for Sponsored Search Auctions based on Cooperative Game Theory
在本文中，我们提出了一个出价优化赞助关键字搜索拍卖，从而导致更好地保留广告客户产生有吸引力的实用程序的广告客户，而不会减少收入的搜索引擎。出价优化器被定位为搜索引擎提供给广告商的关键增值工具。建议的出价优化算法转换成一个相关的出价配置文件使用合作博弈论的许多想法的广告客户的关键字的报告值。该算法是基于一个特征形式的游戏，涉及搜索引擎和广告客户。纳什讨价还价理论的思想被用来制定的特点形式的游戏，提供一个公平的份额盈余之间的参与者。该算法然后计算的核仁的特征形式的游戏，因为我们发现，核仁是一个适当的方式分配之间的合作收益的搜索引擎和广告客户。该算法接下来使用线性规划公式将核仁转换成相关的出价概况。该投标简档被输入到标准的通用第二价格机制（GSP），用于确定赞助时段的分配和获胜者要支付的价格。我们所确定的相关出价曲线是一个局部的无嫉妒均衡，也是一个相关的基本博弈均衡。通过详细的模拟实验，我们表明，建议的出价优化保留更多的客户比一个普通的GSP机制，也产生更好的长期效用的搜索引擎和广告客户。
2009-06-30 cs.GT cs.MA
Hybrid Advertising in the Sponsored Search
针对传统与联合广告模式导致部分用户点击率低的问题，提出Hybrid Advertising模型，并设计HRegNet神经网络生成近似激励兼容的拍卖机制，显著提升了平台收入。
2025-07-10 cs.GT
Bid Prediction in Repeated Auctions with Learning
The Hebrew University of Jerusalem（耶路撒冷希伯来大学）；Microsoft Research（微软研究院）
我们认为在重复拍卖的出价预测问题和评估的经济计量学方法的学习代理使用的数据集从主流赞助搜索拍卖市场的性能。赞助搜索拍卖是一个价值数十亿美元的行业，也是几家科技巨头的主要收入来源。优化此类市场的一个关键问题是了解投标人将如何对拍卖设计的变化做出反应。我们建议使用基于无遗憾的计量经济学的出价预测，建模球员作为无遗憾的学习者的效用函数，未知的分析师。我们提出了新的计量经济学方法，同时学习玩家的效用和她的学习规则的参数，并将这些方法应用于现实世界的数据集从BingAds赞助的搜索拍卖市场。我们发现，当没有协变量变化时，无遗憾计量经济学方法的表现与最先进的时间序列机器学习方法相当，但当训练和测试期间之间存在协变量变化时，无遗憾计量经济学方法的表现明显优于机器学习方法。这说明了使用结构计量经济学方法预测参与者将如何应对市场变化的重要性。此外，我们发现，在结构计量经济学方法中，基于无悔学习的方法优于更传统的，基于均衡的计量经济学方法，这些方法假设玩家对竞争的反应持续最佳。最后，我们演示了如何通过考虑投标人优化的效用函数与可见性偏差组件的无遗憾学习算法的预测性能可以进一步提高。
2020-10-30 cs.GT cs.LG
Multi-keyword multi-click advertisement option contracts for sponsored search
在赞助搜索中，广告（缩写为ad）位通常由搜索引擎通过广告商对关键词进行竞价的拍卖机制出售给广告商。理论上，拍卖机制具有许多理想的经济性质。然而，关键词拍卖有许多局限性，包括：广告客户支付价格的不确定性;搜索引擎收入的波动性;以及广告客户和搜索引擎之间的忠诚度较低。在本文中，我们提出了一个特殊的广告选项来缓解这些问题。在我们的建议中，广告客户可以通过支付预付费（称为期权价格）提前从搜索引擎购买期权。然后，他有权利，但没有义务，在指定的时间段内以固定的每次点击成本（CPC）为指定的点击次数在预先指定的关键字集合中购买。建议的期权与金融中的一种特殊的奇异期权密切相关，该期权包含多个基础资产（多关键字），并且也是多个可执行的（多次点击）。这种新颖的结构具有许多好处：广告商可以减少广告中的不确定性;搜索引擎可以提高广告商的忠诚度以及随着时间的推移获得稳定且增加的预期收入。由于建议的广告选项可以与现有的关键字拍卖一起实施，因此必须设置选项价格和相应的固定CPC，以便在两个市场之间没有套利。期权定价方法进行了讨论，我们的实验结果验证了发展。与关键字拍卖相比，搜索引擎可以通过出售广告选项来增加预期收入。
2015-12-09 cs.GT cs.IR
MIRT: Transformers for Truthful Generative Auctions with Whole-feed Permutation Externalities
University of Illinois Chicago（伊利诺伊大学芝加哥分校）；Meta
本文提出MIRT机制，用Transformer生成广告与自然内容联合排序的候选信息流并选福利最大者，通过强化学习实现出价无关，兼顾策略proofness与外部性优化。
2026-10-06 cs.GT cs.LG
LLM-Auction: Generative Auction towards LLM-Native Advertising
Taobao & Tmall Group of Alibaba（淘宝与天猫集团）
本文提出LLM-Auction，首个基于学习的生成拍卖机制，通过整合拍卖与生成过程，优化LLM输出与机制目标的偏好对齐，实现高效分配并满足关键机制属性。
2026-10-23 cs.AI cs.GT cs.LG
General Auction Mechanism for Search Advertising
在赞助搜索中，搜索结果页面上有许多广告位可用，并且必须在一组竞争在页面上显示广告的广告商之间分配。这就产生了一个双边匹配市场，通常通过自动拍卖的方式进行清算。已经提出了几种拍卖机制，其中普遍第二价格的变体在实践中得到广泛使用。大量关于双边匹配市场的研究建立在盖尔和沙普利的稳定婚姻模型以及沙普利和舒比克的分配模型之上。我们从这条线的研究到稳定的结果和他们的激励属性的结构，以广告拍卖的见解。我们的模型广告拍卖的分配模型与线性效用，扩展与投标人和项目特定的最高和最低价格。拍卖机制，如常用的GSP或著名的Vickrey-Clarke-Groves（VCG）被解释为简单地计算一个\emph{bidder-optimal stable matching}在这个模型中，一个适当定义的一组投标人的喜好。在我们的模型中，存在一个稳定的匹配是有保证的，并在非退化的假设下，投标人最优的稳定匹配存在。我们给出了一个算法，找到这样的匹配在多项式时间，并使用它来设计真实的机制，推广普惠制，是真实的利润最大化的投标人，实现功能，如投标人特定的最低价格和位置特定的出价，并为丰富的投标人和偏好的混合物。
2008-07-08 cs.GT
An Adaptive Online Ad Auction Scoring Algorithm for Revenue Maximization
赞助搜索成为一个简单的平台，以匹配潜在消费者的意图与商家的广告。广告客户表示愿意支付的出价方面的每一个关键字的搜索引擎。当用户的查询与关键字匹配时，搜索引擎评估出价并向广告商分配与未付费算法搜索结果一起显示的位置。广告商只在用户点击其广告时向搜索引擎付费，每次点击的价格由其他竞争广告商的出价决定。
2012-07-19 cs.GT cs.IT math.IT
An Online Multi-unit Auction with Improved Competitive Ratio
针对以单一价格收益最大化为目标的在线多单元分配问题，我们改进了已知的最佳竞争比（从1/4到1/2）。此外，我们的算法的竞争比趋于1，因为投标概况趋于“平滑”。该算法被用作设计相同设置的真实拍卖的子程序：分配必须在网上完成，而付款可以在一天结束时决定。早些时候，从拍卖设计问题的分配问题的减少只知道单位需求的情况下。当投标人的边际效用递减时，我们给出了一般情况下的减少。这个问题的灵感来自赞助搜索拍卖。
2009-01-11 cs.CC cs.DM cs.DS
AiAds: Automated and Intelligent Advertising System for Sponsored Search
Baidu Inc.（百度公司）
赞助搜索已经有20多年的历史，它已经被证明是一种成功的在线广告商业模式。基于点击付费定价模型和关键字定位技术，赞助系统运行在线拍卖来确定搜索广告的分配和价格。在传统的设置中，广告商应该手动创建大量的广告创意，并对一些相关的关键字进行出价，以瞄准他们的受众。由于搜索流量巨大，广告创意种类繁多，广告主人工优化的局限性成为提升该市场效率的主要瓶颈。此外，随着许多新兴的广告形式和供应不断增长，赞助搜索平台更加关注广告的ROI指标，以获得广告主的营销预算至关重要。在本文中，我们介绍了在百度开发的AiAds系统，它使用机器学习技术来构建一个自动化和智能化的广告系统。AiAds系统通过设计和实现自动竞价策略、智能目标定位和智能创建模型，将人工优化转化为多个自动化任务，并采用先进的方法对这些任务进行优化。AiAds是一种全新的赞助搜索系统架构，它改变了竞价语言和分配机制，打破了端到端广告检索框架的关键字定位限制，提供了广告创作的全局优化。该系统可以同时且显著地增加广告主的活动表现、用户体验和广告平台的收入。我们提出了系统的每个模块的整体架构和建模技术，并分享我们在解决几个关键挑战的经验教训。
2019-07-28 cs.GT cs.LG
Multi-Agent Cooperative Bidding Games for Multi-Objective Optimization in e-Commercial Sponsored Search
Xidian University（西安电子科技大学）；Alibaba Group（阿里巴巴集团）
从单个广告主的角度对在线广告的竞价优化进行了深入的研究，在学术研究和工业实践中。然而，现有的工作通常假设竞争对手不改变他们的出价，即，获胜价格是固定的，导致导出的解决方案的性能差。虽然有一些研究使用多智能体强化学习来建立合作博弈，但它们仍然存在以下缺点：（1）它们无法避免共谋解决方案，即所有参与拍卖的广告商故意串通以极低的价格出价。(2)以往的研究不能很好地处理复杂的投标环境，导致模型收敛性差。这个问题可能会被放大时，处理多个目标的广告客户，这是实际需求，但没有考虑到以前的工作。在本文中，我们提出了一种新的多目标合作投标优化公式称为多代理合作投标游戏（MACG）。MACG建立了一个精心设计的多目标优化框架，其中包含了广告主的不同目标。增加了一个使所有广告的总利润最大化的全球目标，以鼓励更好的合作，并保护自行投标的广告客户。为了避免共谋，我们还引入了额外的平台收入约束。我们从理论上分析了报价公式的最优函数形式，并据此设计了一个策略网络来生成拍卖级报价。在此基础上，设计了一种有效的多智能体进化策略。在淘宝平台上进行的离线实验和在线A/B测试表明，与最先进的方法相比，单个广告主的目标和全球利润都有显着提高。
2021-06-08 cs.AI cs.GT cs.MA
Bid Optimization in Broad-Match Ad auctions
赞助搜索中的广告拍卖支持“广泛匹配”，允许广告客户瞄准大量查询，同时只对有限的数量进行出价。在为广告商提供更多表现力的同时，此功能使优化出价以最大化其回报具有挑战性：选择对查询进行出价作为广泛匹配，因为它提供高利润，而对相关查询的一次出价可能产生低利润甚至负利润。我们抽象和研究的{ \em出价优化问题}，这是确定一个广告客户的关键字的子集上的出价（可能使用广泛的匹配），使她的利润最大化的复杂性。在查询语言模型中，当广告商被允许对所有的查询作为广泛的匹配出价时，我们提出了一个基于线性规划（LP）的多项式时间算法，以获得最佳的利润。在广告商只能对关键词出价的模型中，一个子集的关键字作为一个确切的或广泛的匹配，我们表明，这个问题是不可近似的任何合理的近似因子，除非P=NP。为了处理这个困难的结果，当最佳利润显着超过成本时，我们提出了一个常数因子近似。该算法是基于舍入的自然LP制定的问题。最后，我们研究了预算的问题的变体，并表明，在查询语言模型中，可以找到两个预算约束的广告活动在多项式时间，实现最优的投标策略。我们的研究结果是第一个解决出价优化下的广泛匹配功能，这是常见的广告拍卖。
2009-01-23 cs.DS cs.GT
