Bayesian Auctions with Efficient Queries
产生好的收益是贝叶斯拍卖设计中最重要的问题之一，许多（近似）最优的主导策略激励兼容（DSIC）贝叶斯机制已被构造为各种拍卖设置。然而，现有的研究大多没有考虑卖方执行机制的复杂性。假设卖方知道分布的“每一位”，并且能够基于整个分布进行完美优化。不幸的是，这是一个很强的假设，在现实中可能不成立：例如，当值分布具有指数大的支持或没有简洁的表示时。在这项工作中，我们认为，第一次，贝叶斯机制的查询复杂性。我们只允许卖方通过分位数查询和值查询对参与者的值分布进行有限的Oracle访问。对于一个大类的拍卖设置，我们证明了对数下界的查询复杂性的任何DSIC贝叶斯机制是任何常数近似的最佳收益。对于单物品拍卖和多物品拍卖的单位需求或添加剂的价值函数，我们证明了紧的上界，通过有效的查询计划，而不需要的分布是正规的或有单调的风险率。因此，在这些拍卖设置中，卖方需要访问比全部分配少得多的分配，以实现近似最佳的收入。
2020-08-06 cs.GT
Bayesian Sequential Auctions
在许多自然环境中，代理人参与多个不同的拍卖，这些拍卖不是同时进行的。在这样的拍卖中，未来的机会会影响参与者的战略考虑。本文的目标是发展一个定量的了解这种顺序拍卖的结果。在早期的工作（Paes Leme et al. 2012）中，我们开始研究序列拍卖中无政府状态下的无政府代价。我们考虑了完全信息模型中的顺序第一价格拍卖，其中参与者知道所有未来的机会，以及所有参与者的估值。在本文中，我们研究了贝叶斯环境下的顺序拍卖的效率，放松了对参与者的信息假设。我们关注两种环境，Paes Leme et al. 2012中的全信息模型都进行了研究，匹配市场和拟阵拍卖。在完全信息环境下，拟阵设置的顺序第一降价拍卖是有效的。在贝叶斯环境中，情况不再如此，正如我们使用一个简单的三个参与者的例子所示。我们的主要结果是$1+\frac{e}{e-1}\approx 2.58$无政府状态的价格在拟阵拍卖和单值匹配市场（即使有相关的类型）和$2\frac{e}{e-1}\approx 3.16$的一般匹配市场的独立类型的界限。为了限制无政府状态的无政府代价，我们需要考虑在均衡时可能出现的偏差。在序贯贝叶斯环境中，偏差的影响比一次性游戏中更复杂;早期出价允许其他人推断有关玩家价值的信息。我们创建有效的偏差，尽管存在这种困难，通过引入一个虚张声势的独立利益的技术。
2012-06-21 cs.GT
Bayesian Auctions with Friends and Foes
我们研究的拍卖的投标人嵌入在一个社会或经济网络。因此，即使没有赢得拍卖的投标人也可能从拍卖中获得效用，也就是说，当朋友获胜时。另一方面，当敌人或竞争对手获胜时，投标人可能会获得负效用。这种恶意和利他主义将改变投标策略。在这些情况下，投标人效用的一个简单而自然的模型假定，由于投标人j获胜而导致的投标人i失败的效用是投标人j效用的一个常数（正或负）部分。
2012-04-11 cs.GT
Bayesian Nash Equilibrium in First-Price Auction with Discrete Value Distributions
第一价格拍卖广泛应用于政府合同和工业拍卖。在本文中，我们考虑离散价值分布的第一价格拍卖的贝叶斯纳什均衡（BNE）。研究了一价拍卖中BNE的特征，并给出了一个计算BNE的算法。此外，我们证明了BNE的存在性和唯一性。在连续值分布的情况下，以前的一些结果不适用于离散值分布的情况。同时，离散情形下的唯一性结果不能由连续情形下的唯一性所隐含。与连续情况不同，我们不需要求解常微分方程，因此不会遭受其中的解误差。实验结果表明，与用连续分布逼近离散分布的方法相比，该算法具有更快的速度和更高的精度。本文的结果是在非对称独立私人价值模型中得到的，该模型假设购买者的价值分布是公知的。
2019-07-09 cs.GT
On the Convergence of Learning Algorithms in Bayesian Auction Games
本文研究贝叶斯拍卖中学习算法的收敛性，通过变分不等式分析证明一价拍卖不满足Minty条件，但贝叶斯-纳什均衡在均匀递增出价函数类中唯一存在，确保梯度算法收敛。
2024-12-17 cs.GT
Computing Perfect Bayesian Equilibria in Sequential Auctions with Verification
针对连续行动与价值空间的序贯拍卖，本文提出含验证阶段的纯策略 ε-完美贝叶斯均衡计算算法，通过公共信念扩展的博弈抽象、动态规划和效用损失分解定理保证近似质量。
2025-02-18 cs.GT
Bayesian and Randomized Clock Auctions
在一个单参数机制设计问题中，供应商希望向一组潜在的购买者出售服务。每个购买者$i$具有用于接收服务的私有值$v_i$，并且可行性约束限制可以同时服务哪些购买者集合。最近的经济学研究引入了时钟拍卖作为解决这个问题的高级拍卖，因为它们的透明性，简单性和强激励保证。随后的工作集中在评估这些拍卖的社会福利近似保证，导致强不可能的结果：在没有关于买家价值的先验信息的情况下，没有确定性时钟拍卖可以实现有界近似，即使是简单的可行性约束只有两个最大可行集。我们表明，这些负面结果可以通过使用先验信息或利用随机化来规避。我们提供了时钟拍卖，给出了一般向下封闭的可行性约束$O(\log\log k)$近似与$k$最大可行集为三种不同的信息模型，从完全访问的值分布，完全没有信息。卖家掌握的信息越多，拍卖就越简单。在完全访问下，我们使用一种特别简单的确定性时钟拍卖，称为单一价格时钟拍卖，它只比公布价格机制稍微复杂一点。在这种拍卖中，每个买家提供一个单一的价格，并在那些接受他们的报价的人中选择一个可行的集合。在另一个极端，在没有先验信息的情况下，使用复杂的随机时钟拍卖来获得这种近似保证。除了我们的主要结果，我们提出了一个参数化，插值之间的单一价格的时钟拍卖和一般的时钟拍卖，铺平了道路，一个令人兴奋的未来的研究。
2022-02-18 cs.GT
Applications of $α$-strongly regular distributions to Bayesian auctions
在贝叶斯拍卖分析中广泛使用的两类分布是单调风险率（MHR）和规则分布。它们都可以用相关的虚价值函数的变化率来表征：对于MHR分布，条件是值$v < v'$，$ϕ(v') - ϕ(v) \ge v' - v$，对于正则分布，条件是$ϕ(v') - ϕ(v) \ge 0$。Cole和Roughgarden引入了$α$ -强正则分布（简称$α$ -SR分布）的插值类，其中$ϕ(v') - ϕ(v) \ge α(v' - v)$，$0 \le α\le 1$ .在本文中，我们研究了五个不同的拍卖设置时，投标人的估值MHR分布时，良好的预期收益界是已知的。在每一种情况下，我们表明，这些界限优雅地退化时，扩展到$α$ -SR分布。对于其中四种设置，拍卖机制需要知道这些分布（在另一种设置中，只需要这些分布来确保预期收入的良好界限）。在这些情况下，我们还研究了当分布仅通过样本近似已知时会发生什么，特别是如何修改机制以使其保持有效，以及预期收入如何取决于样本数量。
2016-07-18 cs.GT
On the Uniqueness of Bayesian Coarse Correlated Equilibria in Standard First-Price and All-Pay Auctions
研究对称独立私人价值模型下第一价格与全支付拍卖的贝叶斯粗相关均衡唯一性，证明全支付拍卖中 BCCE 唯一且等价于严格 BNE，第一价格拍卖需严格凹先验或递增策略限制，否则 no-regret 算法可能陷入低价汇聚并导致算法性合谋。
2024-11-17 cs.GT
A Bayesian Clearing Mechanism for Combinatorial Auctions
University of Zurich（苏黎世大学）；Google Research（谷歌研究院）
我们投在贝叶斯框架的组合拍卖设计的问题，以将先验信息纳入拍卖过程中，并尽量减少收敛轮数。我们首先开发了一个生成模型的代理人估值和市场价格，使清算价格成为最大的后验估计观察到的代理人估值。然后，生成模型形成了拍卖过程的基础，该过程在细化代理估值的估计和计算候选清算价格之间交替。我们提供了一个实现的拍卖使用假设密度过滤估计估值和期望最大化计算价格。在一系列的估值域的实证评估表明，我们的贝叶斯拍卖机制是高度竞争力的组合时钟拍卖方面的回合收敛，即使在最有利的选择价格增量为这个基线。
2018-11-16 cs.AI cs.GT
On Solutions for the Maximum Revenue Multi-item Auction under Dominant-Strategy and Bayesian Implementations
很少有精确的解决方案是已知的垄断者的$k$ -项目$n$ -买方最大收益问题的附加价值，其中$k, n >1$和买方$i$有独立的私人分布$F^j_i$的项目$j$。在本文中，我们推导出精确的公式时，$k=2$和$F^j_i$是任何IID分布的支持大小为2的最大收益，无论是显性策略（DIC）和贝叶斯（BIC）的实现。公式导致简单的特征，这两个实现具有相同的最大收入，当且仅当单独销售是最佳的分布。我们的研究结果还首次展示了这两种实现方式之间的收入差距。例如，如果$k=n=2$和$Pr\{X_F=1\}=Pr\{X_F=2\}=\frac{1}{2}$，那么贝叶斯实现中的最大收益恰好超过优势策略中的最大收益$2\%$ ;对于所有大的$a$，对于$[a, a+1]\cup[2a, 2a+1]$上的连续均匀分布$X_F$，存在相同的差距。
2016-07-13 cs.GT
Optimal Auctions with Convex Perceived Payments
迈尔森在他关于最优拍卖设计的开创性著作中，假设了准线性效用的通常模型，推导出了单参数收益最大化问题的简单而优雅的解决方案。在本文中，我们考虑这个通常的模型的一个轻微的推广-从线性到凸的“感知”支付。这个更普遍的问题似乎不像迈尔森的那样有一个简单而优雅的解决方案。虽然迈尔森的一些结果延伸到我们的设置，如他的支付公式（适当调整），其他人没有。例如，我们观察到贝叶斯和鲁棒（即，非贝叶斯）最优拍卖设计问题的凸感知支付设置不符合他们在线性支付的情况下。因此，我们依次研究这两个问题。我们得到了一个上限和一个启发式的下限预期收入在我们的设置。这些边界很容易逐点计算，并产生单调的分配规则，因此可以通过迈尔森支付（适当调整）来支持。通过这种方式，我们的边界产生近似最优鲁棒拍卖的算法，假设凸感知支付。我们关闭与实验，其中的最后一组按摩的输出的封闭形式的problem到一个非常快的，接近最优的启发式解决方案的贝叶斯最优拍卖设计问题的鲁棒性问题。
2016-01-26 cs.GT
Public Signaling in Bayesian Ad Auctions
我们研究贝叶斯广告拍卖中的信号，其中投标人的估价取决于一个随机的，未知的自然状态。拍卖机制完全了解自然界的实际状态，它可以向投标人发出信号，以便披露有关状态的信息并增加收入。例如，一个状态可以共同编码用户的一些特征，这些特征仅为该机制所知，因为后者可以访问出价人无法访问的数据源。我们研究的问题计算的机制应该如何发送信号给投标人，以最大限度地提高收入。虽然这个问题已经在更容易设置的第二价格拍卖中得到了解决，但据我们所知，我们的工作是第一次探索具有多个插槽的广告拍卖。在本文中，我们专注于公共信号和VCG机制，投标人如实报告他们的估值。我们从一个否定的结果开始，表明，在一般情况下，问题不承认PTAS，除非P = NP，即使投标人的估值是已知的机制。其余的文件是专门设置在这种负面结果可以规避。首先，我们证明，与已知的估值，问题确实可以解决在多项式时间时，无论是状态数d或槽数m是固定的。此外，在相同的设置，我们提供了一个FPTAS的情况下，投标人是一心一意的，但d和m可以是任意的。然后，我们切换到随机估值设置，其中这些是根据某种概率分布随机抽取的。在这种情况下，我们表明，该问题允许一个FPTAS，一个PTAS，和一个QPTAS，分别当d是固定的，m是固定的，投标人的估值有界远离零。
2022-01-24 cs.GT
Randomly Wrong Signals: Bayesian Auction Design with ML Predictions
NYU Stern School of Business（纽约大学斯特恩商学院）；FGV/EPGE Escola Brasileira de Economia e Finança（瓦加斯基金会巴西经济与金融学院）
本文研究了在机器学习预测可能错误的情况下，如何通过贝叶斯拍卖设计最大化收益，提出了基于铁定虚拟值的可处理特征，并展示了在单个和多个投标人情况下的优化策略。
2026-10-14 cs.AI cs.GT
Bayesian Calibrated Click-Through Auction
本文研究点击率拍卖中的信息设计，提出FPTAS算法计算近似最优机制，并针对双竞标者对称情形设计基于最优信号比的简单无先验信号方案，以最大化卖家收入。
2024-04-20 cs.GT
Bayesian Combinatorial Auctions: Expanding Single Buyer Mechanisms to Many Buyers
对于贝叶斯组合拍卖，我们提出了一个一般的框架，约减少机制设计问题的多个买家到单个买家的子问题。我们的框架可以适用于任何设置大致满足以下假设：（i）买家的类型必须独立分布（不一定相同），（ii）目标函数必须是线性可分的买家，（iii）除了供应约束，不应该有其他买家之间的约束。我们的框架是通用的，因为它没有对买家的估值、类型分布和单一买家约束（例如，预算、激励相容性等）。我们提出了两个通用的多买家机制，使用单一买家机制的黑盒，如果一个$α$ -近似的单一买家机制可以为每个买家，如果没有买家需要超过$\frac{1}{k}$的所有单位的每个项目，那么我们的通用多买家机制是$γ_kα$ -近似的最佳多买家机制，其中$γ_k$是一个常数，它至少是$1-\frac{1}{\sqrt{k+3}}$。观察到$γ_k$至少为1/2（对于$k=1$），并且接近1（对于$k \to \infty$）。作为我们的建设的副产品，我们提出了一个先知不平等的概括。此外，作为我们的框架的应用程序，我们提出了多个买家机制与改进的近似因子从文献中的几个设置。
2012-06-15 cs.GT
Combinatorial Auctions via Posted Prices
我们在贝叶斯框架下研究了组合拍卖的匿名标价机制。在公布价格机制中，商品价格被公布，然后消费者以任意顺序依次接近卖家，每个人都以公布的价格从未售出的商品中购买她最喜欢的捆绑。这些机制是简单、透明和平凡的主导战略激励兼容（DSIC）。我们表明，当代理人的偏好是分数次加性（其中包括所有的子模块功能），总是存在的价格，在预期中，获得至少一半的最优福利。我们的结果是建设性的：给定对组合拍卖算法A的黑盒访问、对先验分布的样本访问以及对采样估值的适当查询访问，可以在多时间中计算保证A的预期福利的至少一半的价格。作为一个推论，我们获得了第一个多时间（在n和m）常数因子DSIC机制贝叶斯子模块组合拍卖，访问需求查询预言。我们的研究结果也扩展到估值与互补，其中的近似因子线性下降的互补性的水平。
2014-11-18 cs.GT
VCG Under False-name Attacks: a Bayesian Analysis
VCG是一个经典的组合拍卖，最大化社会福利。然而，虽然标准的单物品Vickrey拍卖是防假名的，但多物品VCG的一个主要缺陷是它容易受到假名攻击。这已经发生在自然裸最低模型中，其中有两个相同的项目和投标人是一心一意的。以往应对这一挑战的办法侧重于发展损害社会福利的替代机制。我们重新访问VCG拍卖漏洞，并考虑贝叶斯设置中的投标人行为。在服务中，我们引入了一个新的概念，称为粒度阈值，其特征在于VCG贝叶斯弹性假名攻击的投标人类型分布的函数。使用这个概念，我们展示了一个大类的情况下，VCG确实获得贝叶斯弹性的两个项目的一心一意的设置。
2021-06-26 cs.GT
Bayesian Optimal Auctions via Multi- to Single-agent Reduction
研究了一个单一商品或服务的抽象最优拍卖问题。这个问题包括代理人有预算，风险偏好，或多维偏好的好几个可能的配置的环境（此外，它允许代理人的预算和风险偏好，只有私下知道代理）。这些是拍卖理论面临的主要挑战。一个单智能体问题是优化一个给定的目标，该目标受到对每种类型被分配的最大概率的约束，即，分配规则。我们的方法是一个减少从多代理机制设计问题的单代理问题的集合。我们专注于收入最大化，但我们的结果可以应用于其他目标（例如，福利）。一个最优的多代理机制可以计算的线性/凸规划的临时分配规则，同时优化几个单代理机制的联合可行性的分配规则。Border \citeyearpar{B91}证明了对于单单位拍卖，$n$代理的所有联合可行的临时分配规则的空间是一个$\NumTypes$维凸多面体，可以由$2^\NumTypes$线性约束来指定，其中$\NumTypes$是所有代理类型的总数.因此，有效地解决机制设计问题，需要一个分离的预言机的可行性条件，也是一个算法的事后实施的临时分配规则。我们证明了联合可行的临时分配规则的多面体是一个高维多面体的投影，可以指定只有$O(\NumTypes^2)$线性约束。此外，我们的证明表明，找到一个前像的临时分配规则，在高维多面体立即给出了一个事后实施。
2012-03-22 cs.GT
Equilibrium Learning in Combinatorial Auctions: Computing Approximate Bayesian Nash Equilibria via Pseudogradient Dynamics
Technical University of Munich（慕尼黑工业大学）
组合拍卖作为一种市场机制在实践中得到了广泛的应用，但其贝叶斯纳什均衡（BNE）仍然知之甚少。仅在少数情况下才知道解析解，其中该问题可以重新表示为易于处理的偏微分方程（PDE）。在一般情况下，发现BNE是已知的计算困难。以前的工作，BNE拍卖的数值计算依赖于明确解决这样的偏微分方程，计算逐点最佳反应的策略空间，或迭代求解限制子博弈。在这项研究中，我们提出了一个通用的，但可扩展的替代多智能体均衡学习方法，代表战略作为神经网络，并适用于政策迭代的基础上梯度动态自我发挥。大多数拍卖是事后不可微的，因此梯度可能不可用或误导，我们依赖于合适的伪梯度估计。虽然众所周知，梯度动力学不能保证收敛到NE一般，我们观察到快速和鲁棒的收敛近似BNE在各种各样的拍卖，并提出了一个充分条件收敛
2021-02-06 cs.AI 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
Generalizing Virtual Values to Multidimensional Auctions: a Non-Myersonian Approach
我们考虑的收入最大化问题的垄断通过非迈尔森的方法，可以推广到多个项目和多个买家。虽然这种方法不会导致问题的任何封闭形式的解决方案，但它确实从不同的角度提供了一些见解。特别是，我们考虑贝叶斯（贝叶斯激励兼容+贝叶斯个体理性）和支配策略（支配策略激励兼容+事后个体理性）的实现，其中所有买家都有附加估值和准线性效用，所有估值在买家之间是独立的（不一定在物品之间是独立的）。我们的方法的主要技术是制定的LP问题（可能与指数大小），并应用原始-对偶分析。我们观察到，对偶规划的任何最优解自然地定义了原始收益最大化问题的虚拟价值函数，在这个意义上，任何收益最大化拍卖必须是虚拟福利最大化者（参见图1）。Myerson's auction for a single item [Myerson，1981]）。基于这一观察，我们刻画了BIC = DSIC的一个充分必要条件，即，贝叶斯实施的最优收益等于显性策略实施的最优收益（BRev = DRev）。条件是当且仅当最优的DSIC收益DRev可以通过DSIC和事后IR虚拟福利最大化者来实现，其虚拟价值函数与买方无关（买方i的虚拟价值与其他买方的估值无关）。根据特征，我们进一步表明，当所有估值都是独立同分布时，进一步等价于单独销售是最优的。特别是，它尊重Yao [2016]最近在多项目多买家设置中的精确最优解方面的突破性工作。
2017-11-29 cs.GT
Optimal Auctions via the Multiplicative Weight Method
我们发现，乘法权重更新方法提供了一个简单的配方设计和分析最佳贝叶斯激励兼容（BIC）拍卖，并降低了问题的时间复杂度伪多项式的参数依赖于单个代理，而不是取决于联合类型空间的大小。我们使用这个框架来设计计算效率高的最优拍卖，满足事后个人理性的约束，如（硬，私人）预算和嫉妒自由。我们还设计了最优拍卖时，买方和卖方的效用函数是非线性的。具有这种功能的情景包括：（a）具有“退出权”的拍卖，（b）超出预算的借款成本，（c）卖方和买方的风险规避。最后，我们展示了我们的框架如何产生最优拍卖的各种拍卖设置中考虑蔡等人，Alaei等人，虽然伪多项式的运行时间。
2013-04-10 cs.GT
An n-to-1 Bidder Reduction for Multi-item Auctions and its Applications
在本文中，我们介绍了一种新的方法，减少$k$ -项目$n$ -投标人拍卖与附加估价$k$ -项目$1$ -投标人拍卖。这种方法，称为\emph{Best-Guess}减少，可以应用于解决最优收益拍卖理论中的几个核心问题，如随机化的力量，贝叶斯与显性策略的实现。首先，当项目有独立的估值分布，我们提出了一个确定性的机制，称为{ \it确定性最佳猜测}，产生至少一个恒定的分数的最佳收入的任何随机机制。第二，如果所有的$nk$估值随机变量是独立的，最佳的收入可实现的{ \it主导战略激励兼容性}（DSIC）被证明是至少一个常数的分数，可实现的{ \it贝叶斯激励兼容性}（BIC）。第三，当所有的$nk$值是相同的分布，根据一个共同的一维分布$F$，最佳的收入被证明是可表达的封闭形式$Θ(k(r+\int_0^{mr} (1-F(x)^n) \ud x))$其中$r= sup_{x\geq 0} \, x(1 - F(x)^n)$和$m=\lceil k/n\rceil$ ;这个收入是可实现的一个简单的机制称为\emph{2nd-Price Bundling}。我们的所有结果适用于任意分布，规则或不规则。
2014-06-23 cs.GT
Generalized Second Price Auction with Probabilistic Broad Match
通用第二价格（GSP）拍卖被广泛使用的搜索引擎今天出售他们的广告位。大多数搜索引擎在执行GSP拍卖时已经支持查询和出价关键字之间的广泛匹配，然而，已经揭示了具有它们当前使用的标准广泛匹配机制（表示为SBM-GSP）的GSP拍卖具有若干理论缺陷（例如，其理论特性仅对于单时隙情况和全信息设置是已知的，并且即使在这种简单设置中，对应的最坏情况社会福利也可能相当差）。为了解决这个问题，我们提出了一种新的宽匹配机制，我们称之为概率宽匹配（PBM）机制。与SBM不同，SBM将所有与给定查询匹配的关键字上的广告放在一起用于GSP拍卖，具有PBM的GSP（表示为PBM-GSP）根据预定义的概率分布随机采样关键字，并且仅对该采样关键字上的广告进行GSP拍卖。我们对PBM-GSP的理论性质进行了全面的研究。具体而言，我们研究了它的社会福利在最坏的均衡，在完全信息和贝叶斯设置。结果表明，PBM-GSP比SBM-GSP在温和的条件下产生更大的福利。此外，我们还研究了贝叶斯环境下PBM-GSP的收益保证问题。据我们所知，这是第一个关于普惠制广泛匹配机制的工作，它超越了单槽情况和全信息设置。
2014-04-15 cs.GT
On Robustness to $k$-wise Independence of Optimal Bayesian Mechanisms
本文研究单物品拍卖中最优贝叶斯机制对$k$元独立性的鲁棒性，发现Myerson机制不具备两两鲁棒性但3元独立下鲁棒，带匿名保留价的第二价格拍卖最多损失固定比例收益，完善了相关鲁棒性认知。
2024-09-13 cs.GT
Strategizing against No-Regret Learners in First-Price Auctions
Stanford University（斯坦福大学）
研究重复首价拍卖等博弈中优化者对抗无遗憾学习者的策略，证明基于均值的算法在标准首价拍卖中可限制优化者效用，但在贝叶斯设定下不可，并证实无多面体交换遗憾算法是限制效用的必要条件。
2024-02-13 cs.DS cs.GT cs.LG
Bayesian Optimization-based Combinatorial Assignment
University of Zurich（苏黎世大学）；ETH Zurich（苏黎世联邦理工学院）；ETH AI Center（苏黎世联邦理工学院人工智能中心）
我们研究组合分配域，其中包括组合拍卖和课程分配。这个领域的主要挑战是捆绑空间中的项目数量呈指数级增长。为了解决这个问题，最近有几篇论文提出了基于机器学习的偏好提取算法，其目的是从代理中只提取最重要的信息。然而，这项先前工作的主要缺点是，它没有对机制的不确定性进行建模，这些不确定性是针对尚未引出的捆绑包的值。在本文中，我们提出了一个贝叶斯优化为基础的组合分配（BOCA）机制来解决这个缺点。我们的主要技术贡献是将捕获模型不确定性的方法集成到迭代组合拍卖机制中。具体地说，我们设计了一种新的方法来估计的不确定性上限，可用于定义一个采集功能，以确定下一个查询的代理。这使得该机制能够在其偏好诱导阶段适当地探索（而不仅仅是利用）束空间。我们在几个频谱拍卖域进行了计算实验，以评估BOCA的性能。我们的研究结果表明，BOCA实现更高的分配效率比国家的最先进的方法。
2023-03-13 cs.GT cs.LG cs.MA
A Duality-Based Unified Approach to Bayesian Mechanism Design
我们提供了贝叶斯机制设计的许多最新发展的统一视图，包括Cai等人的黑箱约简。[CDW 13 b]，添加剂买家的简单拍卖[HN 12]，以及单位需求投标人的标价机制[CHK 07]。此外，我们表明，通过同一个镜头观看这三个以前不相交的工作线也会导致新的发展。首先，我们提供了一个二元框架贝叶斯机制设计，自然容纳多个代理和任意的目标/可行性约束。利用这一点，我们证明了无论是张贴价格机制还是具有每个投标人入场费的Vickrey-Clarke-Groves拍卖，只要买家是单位需求或可加性，都可以实现贝叶斯激励兼容机制可实现的最佳收入的常数因子，统一了Chawla等人以前的突破。[CHMS 10]和Yao [Yao 15]，以及提高两个近似比（分别从30提高到24和从69提高到8）。最后，我们表明，这种观点也导致改善结构特征的蔡等人。框架。
2018-12-04 cs.GT
Duality and Optimality of Auctions for Uniform Distributions
我们开发了一个一般的对偶理论框架的收入最大化的添加剂贝叶斯拍卖。该框架扩展了线性规划的对偶性和互补性的约束偏导数。对偶系统揭示了问题的几何性质，并突出了它与二分图匹配理论的联系。我们证明了框架的力量，通过将其应用到一个多好的垄断设置，买方均匀分布的项目的估值，在该地区的典型的长期开放的问题。我们提出了一个确定性的销售机制，称为直夹克拍卖（SJA），我们证明了这是完全最优的多达6个项目，并推测其最优的任何数量的商品。对偶框架不仅用于证明最优性，而且可能更重要的是用于推导最优机制本身;因此，SJA由自然几何约束定义。
2018-01-15 cs.GT
The Simple Economics of Approximately Optimal Auctions
利润通过边际收益最大化而最优化的直觉是微观经济学的指导原则。在具有线性效用和一维偏好的代理人的经典拍卖理论中，Bulow和Roberts（1989）表明，Myerson（1981）的最优拍卖实际上是优化边际收益。特别是迈尔森的虚拟价值，正是一个适当的收入曲线的衍生物。本文研究了多智能体多维非线性偏好环境下的机制设计问题。了解这些环境下的好拍卖被认为是贝叶斯最优机制设计的主要挑战。在这些环境中，最大化边际收益可能不是最优的，有时没有直接的方法来实现边际收益最大化。我们的贡献有三个方面：我们的特点的设置，边际收入最大化是最佳的（通过确定一个重要的条件，我们称之为收入线性），我们给出了简单的程序，实现边际收入最大化的一般，我们表明，边际收入最大化是近似最优的。我们的近似因子在一个量化环境离理想（边际收入最大化是最优的）有多远的术语中平滑地下降。由于边际收益机制是最佳的单维代理，我们的推广立即近似扩展了许多单维代理的结果。贝叶斯算法机制设计中最大的开放问题之一是开发在代理类型空间的大小上不具有蛮力的方法。我们的方法确定了一个子问题，例如，对于具有从产品分布中提取的值的单位需求代理，启用在维度上为多项式的近似机制。
2014-06-05 cs.GT
Revenue-Optimal Deterministic Auctions for Multiple Buyers with Ordinal Preferences over Fixed-price Items
在本文中，我们介绍了一个贝叶斯收益最大化机制设计模型中的项目有固定的，外生给定的价格。购买者是单位需求，并有一个有序的排名购买这些项目之一，在其给定的价格，或购买什么。这个模型自然产生的分类优化问题，在确定性机制的单一买家优化问题减少到决定的项目分类“显示”。我们研究了它的多买家泛化在最简单的设置单赢家拍卖，或更广泛地说，任何服务约束的环境。我们的主要结果是，如果买方排名独立于马尔可夫链排名模型，那么最优机制是计算上易于处理的，在结构上是一个虚拟的福利最大化。我们还表明，排名分布不诱导马尔可夫链，最优机制可能不是一个虚拟的福利最大化。
2020-10-14 cs.GT
Bounding the inefficiency of outcomes in generalized second price auctions
通用第二价格（GSP）拍卖是用于将互联网的使用货币化的主要拍卖。众所周知，在这种拍卖中，说实话并不是一种优势策略，而且可能会出现低效率的均衡。在本文中，我们研究了空间的均衡在普惠制，并量化的效率损失，可以出现在均衡下的各种来源的不确定性，以及在充分的信息设置。传统的贝叶斯博弈模型的参与者的估值（类型）的不确定性。广义第二价格（GSP）拍卖产生了另一种形式的不确定性：质量因素的选择导致底层广告分配算法的行为不确定性。我们得到的界限适用于这两种形式的不确定性，并在某种意义上说，他们适用于各种扰动下的解决方案的概念，扩展到模型的信息不对称和有限理性的学习策略的形式是强大的。我们提出了一个恒定的界限（2.927）的因素的效率损失（\emph{price of anarchy}）的相应的游戏的贝叶斯模型的部分信息的其他参与者和广告质量因素。对于充分的信息设置，我们证明了一个令人惊讶的低上限为1.282的无政府代价价格的纯纳什均衡，几乎匹配的情况下，三个广告客户的下限为1.259。此外，我们不要求系统达到平衡，并且对于任何无悔学习结果的质量退化也给出了类似的下限。我们的结论是，在拍卖中的广告客户的数量几乎没有影响的无政府代价，GSP的效率是非常强大的信念和理性的假设强加给参与者。
2014-04-25 cs.GT
An Information Theoretic Framework For Designing Information Elicitation Mechanisms That Reward Truth-telling
在信息无法被验证的情况下，我们提出了一个简单而强大的信息理论框架-互信息范式-用于信息获取机制。我们的框架支付每个代理之间的互信息的措施，她的信号和同行的信号。我们要求互信息测量具有这样一个关键性质，即对两个随机变量的任何“数据处理”都会减少它们之间的互信息。我们确定这样的信息措施，推广香农互信息。我们的互信息范式克服了两个主要的挑战，在信息获取没有验证：（1）如何激励努力，避免代理串通报告随机或相同的反应（2）如何激励代理谁相信他们是少数如实报告。借助于我们发现的信息测度，（1）我们使用该范式设计了一个新的机制族，其中说真话是一个主导策略，任何其他策略都会降低每个代理人的期望支付（在多问题、无细节、最小设置中，问题数量很大）;（2）我们通过提供对现有机制的统一理论理解来展示我们框架的多功能性-同行预测[Miller 2005]，贝叶斯真理血清[Prelec 2004]，和Dasgupta和Ghosh [2013]--通过将它们映射到我们的框架中，以便可以很容易地重建这些现有机制的理论结果。我们还给出了一个不可能的结果，在一定意义上说明了我们的框架的最优性。
2018-01-17 cs.GT
An End-to-end Argument in Mechanism Design (Prior-independent Auctions for Budgeted Agents)
本文考虑先验独立的机制设计，即确定一个单一的机制，具有接近最优性能的每个先验分布。我们发现，具有说真话均衡的机制，启示机制，并不总是给最优的先验独立的机制，我们定义的启示差距量化的启示机制的非最优性。这项研究表明，重要的是要发展一个理论设计的非启示机制。我们的分析集中在福利最大化的单项目拍卖的代理人的预算和自然规律性的假设，他们的价值分布。全付费拍卖（一种非揭示机制）是贝叶斯最优机制;由于它是先验独立的，因此它也是先验独立的最优机制（1-近似）。我们证明了一个下界的先验独立近似的启示机制的1.013和成交拍卖（启示机制）是一个先验独立的$e \approx 2.714$近似。因此，与公共预算代理人的单项福利最大化的启示差距是在$[1.013, e]$。我们的一些分析延伸到收入目标，位置环境和不规则分布。
2018-07-30 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
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
Signaling Schemes for Revenue Maximization
信号传递是经济环境中信息不对称研究的重要课题。特别是，在拍卖环境中出卖人所能获得的信息的透明度是一个令人十分感兴趣的问题。我们介绍了研究信号时进行第二次价格拍卖的概率好，其实际的实例是已知的拍卖师，但不是投标人。这个框架可以用来模拟展示广告中的展示销售。我们研究的问题计算的信号方案，最大限度地提高拍卖商的收入在贝叶斯设置。虽然一般情况下被证明是计算困难的，几种情况下的利益是多项式可解的。此外，我们建立了一个严格的约束所需的最小数量的信号，以实现一个最佳的信令方案，并表明，至少有一半的最大社会福利可以保存在这样的计划。
2012-04-25 cs.GT
Simultaneous 2nd Price Item Auctions with No-Underbidding
文献中的无政府代价价格（PoA）的简单拍卖采用了无出价过高的假设，但完全忽略了无出价过低的现象，这是明显的第二价格拍卖的变体的实证研究。在这项工作中，我们提供了一个理论基础的无低价现象。我们研究了在一个新的自然条件{ \em no underbidding}下，同时第二价格拍卖（S2 PA）的PoA，这意味着代理人永远不会对低于其边际价值的物品出价。我们建立了改进的（主要是紧）的范围内的PoA的S2 PA下没有出价不足的不同估值类（包括单位需求，子模块化，XOS，次加性，一般单调估值），在完全信息和不完全信息的设置。为了得到我们的结果，我们引入了一个新的参数化属性的拍卖，称为$(γ,δ)$ -收入保证，这意味着至少$γ/(1+δ)$的PoA。通过扩展定理，这种保证扩展到全信息设置中的粗相关均衡（CCE），以及不完全信息和任意（相关）分布设置中的贝叶斯PoA（BPoA）。然后，我们表明，S2 PA是$(1,1)$ -收入保证的投标，满足没有低于出价。这意味着一般单调赋值的PoA至少为$1/2$，其扩展到具有任意相关分布的BPOA。此外，我们表明，$(λ,μ)$ -平滑结合$(γ,δ)$ -收入保证保证PoA至少$(γ+λ)/(1+δ+μ)$。这意味着一系列的结果，如一个严格的PoA的$2/3$为S2 PA与子模块（或XOS）的估值，在没有出价过高，也没有出价过低。除了为S2 PA建立…
2021-03-15 cs.GT
Bayesian Incentive Compatibility via Fractional Assignments
最近，Hartline和Lucier研究了贝叶斯环境下的单参数机制设计问题。他们提出了一种黑箱约简，将贝叶斯近似算法转换为贝叶斯激励兼容（BIC）机制，同时保留社会福利。它仍然是一个主要的悬而未决的问题，如果一个人可以找到类似的减少在更重要的多参数设置。本文在先验分布具有有限小支集的情况下，对这一问题给出了肯定的回答。我们提出了一个黑盒约简设计BIC多参数机构。该约简将任何算法转换为eps-BIC机制，仅具有社会福利的边际损失。因此，对于次可加代理的组合拍卖，我们得到了一个eps-BIC机制，实现常数近似。
2010-12-15 cs.GT
Approximately Optimal Auctions for Selling Privacy when Costs are Correlated with Data
我们考虑一个场景，其中数据库存储用户的敏感数据，分析师希望估计数据的统计信息。当用户的数据被使用时，他们可能会付出代价，在这种情况下，他们应该得到补偿。分析师希望得到一个准确的估计，而用户希望最大化他们的效用。我们希望设计一种机制，可以在不损害用户隐私的情况下准确地估计统计数据。由于用户的成本和敏感数据可能相关，因此保护数据和成本的隐私非常重要。我们通过假设用户的未知敏感数据从一组公开已知的分布中确定分布来建模这种相关性，并且用户的成本从该分布中得出。我们提出了一个更强大的隐私保护机制模型，每当用户向该机制透露有关其数据的信息时，他们都会得到补偿。在这个模型中，我们设计了一个贝叶斯激励兼容和隐私保护机制，保证准确性和保护隐私的成本和数据。
2012-04-18 cs.GT
Inference on Auctions with Weak Assumptions on Information
Microsoft Research, New England（微软研究院新英格兰分院）；Harvard University（哈佛大学）；California Institute of Technology（加州理工学院）
给定一个独立拍卖的投标样本，本文研究了在弱信息结构假设下拍卖基本面（如估值分布，福利措施）的推断问题。这个问题很重要，因为它使我们能够以一种稳健的方式了解估值分布，即，而不假设特定的信息结构在观测中保持不变。我们利用最近的贡献\cite{Bergemann2013}在强大的机制设计文献，利用贝叶斯相关均衡和贝叶斯纳什均衡之间的联系，在不完全信息博弈构建一个计量经济学框架，学习拍卖的基本面使用观察到的数据出价。我们展示了我们在私人价值和共同价值拍卖中的识别集的构建。我们构造这些集合的方法继承了求解相关均衡的计算简单性：检查特定的估值分布是否属于所识别的集合就像确定{ \it linear}程序是否可行一样简单。一个类似的线性规划可以用来构建各种福利措施和反事实对象的识别集。对于推断和总结统计不确定性，我们提出了新的有限样本方法，使用尾部不等式，用于构建集合上的置信区域。我们还强调了基于贝叶斯自举和子采样的方法。一组蒙特卡罗实验表明，我们的推理程序的有限样本性质。我们说明了我们的方法使用OCS拍卖的数据。
2018-03-19 cs.GT cs.LG econ.EM
On Sybil-proof Mechanisms
California Institute of Technology（加州理工学院）；Offchain Labs；Flashbots
本文研究了防Sybil机制的设计，证明在单参数环境下，第二价格拍卖是唯一满足非浪费、对称、激励相容和防Sybil条件的机制，并探讨了其在贝叶斯设置下的扩展性。
2026-02-09 cs.GT
On Revenue Monotonicity in Combinatorial Auctions
随着最近在设计多物品拍卖的近最优机制方面取得的实质性进展，有趣的结构问题也被提出和研究。特别是，如果买方对商品的估价高于另一个市场，卖方是否总能从该市场中获得更多收入？在本文中，我们在一般情况下获得了这样的收入单调性结果。精确地说，考虑在贝叶斯设置下$m$物品和$n$买家的收入最大化组合拍卖，由估价函数$v$和$nm$独立物品类型分布的集合$F$指定。令$REV(v, F)$表示在$F$下通过任何激励兼容机制可实现的最大收入。直觉上，如果分布$G$随机支配$F$，则可以预期$REV(v, G)\geq REV(v, F)$。令人惊讶的是，Hart和Reny（2012）表明，即使对于$v$是加性的简单情况，这也不总是正确的。一个自然的问题出现了：这些偏差包含在范围内吗？单调性直觉在多大程度上仍然有效？本文给出了分数次可加（XOS）赋值函数类$v$的一个{近似单调}定理，证明了如果$G$随机变量在$v$下优于$F$，则$REV(v, G)\geq c\,REV(v, F)$是$v$下的一个{近似单调}定理，其中$c>0$是普适常数.在此之前，近似单调性仅在$n=1$的情况下是已知的：Babaioff et al.（2014）对于加法赋值类，Rubinstein and Weinberg（2015）对于所有次加法赋值函数。
2017-09-11 cs.GT
Budget Constrained Auctions with Heterogeneous Items
在本文中，我们提出了第一个近似算法的问题，设计收益最优贝叶斯激励兼容拍卖时，有多个（异构）项目，投标人可以有任意的需求和预算约束。我们的机制是令人惊讶的简单：我们表明，一个连续的所有支付机制是一个4近似的收入与离散的相关类型空间为每个投标人的最佳临时真实的机制。我们还表明，一个顺序公布的价格机制是一个O（1）近似的最佳事后真实机制的收入时，每个投标人的类型空间是一个产品分布，满足标准的风险率条件。我们进一步展示了对数近似时的风险率条件被删除，并完成了图片显示，实现一个子对数近似，即使是规则的分布和一个投标人，需要定价捆绑的项目。我们的研究结果是基于制定新的LP松弛这些问题，并制定通用的舍入方案的第一原则。我们相信，这种方法将是有用的，在其他贝叶斯机制设计上下文中。
2010-03-29 cs.DS cs.GT
Mechanism Design via Consensus Estimates, Cross Checking, and Profit Extraction
只有一种无先验最优机制设计技术，它超越了数字商品的结构性良性设置。该技术使用随机抽样来估计代理值的分布，然后采用贝叶斯最优机制来估计剩余玩家的分布。虽然相当普遍，即使是数字商品，这种随机抽样拍卖有一个复杂的分析，是已知的次优。为了克服这些问题，我们将Goldberg和Hartline（2003）的共识技术推广到结构丰富的环境，例如，专一的组合拍卖
2011-08-24 cs.GT
Distributional Robustness: From Pricing to Auctions
稳健机制设计是贝叶斯机制设计的一种新兴替代方法，贝叶斯机制设计产生的设计不依赖于完全分布知识等假设。我们将这种方法应用于销售单个项目的机制，假设只有价值分布的平均值和投标人价值的上限是已知的。我们寻求的机制，最大限度地提高收入的最坏情况下的分布与已知参数兼容。这种机制是卖方和选择分配的对手之间的零和博弈的均衡，因此可以称为最大-最小机制。Carrasco et al. [2018]推导出当卖方面对单个投标人时的最大最小定价。通过研究两个独立同分布的规范设置，我们从最大-最小定价到最大-最小拍卖。投标人，并显示最大-最小机制是第二价格拍卖与随机储备。我们得到了一个封闭形式的解决方案，在储备价格的分布，以及最坏情况下的价值分布，其中有简单的经济直觉。事实上，我们得到了一个封闭形式的解决方案的保留价分布的任何数量的投标人。我们解决零和博弈的技术与Carrasco等人的技术完全不同。它包括分析该设置的离散化版本，然后细化该离散化网格并导出用于非离散化的原始设置的封闭形式的解。我们的结果建立了两个投标人的情况下，$n \ge 3$投标人之间的差异。
2022-05-20 cs.GT
Bayesian Games and the Smoothness Framework
我们考虑一类一般的贝叶斯游戏，每个球员的效用取决于他的类型（可能是多维的）和战略配置文件，球员的类型是独立分布的。我们表明，如果他们的完整信息版本的任何固定实例的类型配置文件是一个光滑的游戏，然后无政府状态的无政府代价约束所隐含的平滑属性，结转到贝叶斯-纳什无政府代价。我们展示了如何从文献（项目招标拍卖，贪婪拍卖）的一些证据可以被铸造为平滑证明或使用平滑简化。对于第一价格项目投标与分数次加投标人，我们实际上设法改善了很多现有的结果\cite{Hassidim2011a}从4到$\frac{e}{e-1}\approx 1.58$。这也示出了第一和第二价格项目出价之间的非常有趣的分离，因为即使在完全信息下，第二价格项目出价也具有至少2的PoA。对于一类较大的贝叶斯博弈，其中玩家的策略空间也随其类型而变化，我们能够证明，稍微更强的平滑定义也意味着贝叶斯-纳什PoA界。我们展示了如何加权拥塞游戏实际上满足这个更强的平滑定义。这使我们能够表明，在文献中已知的加权拥塞游戏的效率低下的界限结转到不完整的版本中的球员的权重是私人信息。我们还展示了如何一个不完整的版本的自然类单调有效的效用游戏，称为努力市场游戏是普遍$(1,1)$光滑。因此，我们表明，在不完整版本的努力市场游戏中，玩家的能力及其预算是私人信息，其Bayes-Nash PoA最多为2。
2012-03-23 cs.GT
Prices, Bids, Values: One ML-Powered Combinatorial Auction to Rule Them All
Department of Informatics, University of Zurich, Zurich, Switzerland（苏黎世大学信息学院）；ETH AI Center, Zurich, Switzerland（苏黎世联邦理工学院AI中心）；Department of Mathematics, ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院数学系）；Department of Statistics, University of California, Berkeley, USA（加州大学伯克利分校统计系）
本文提出一种基于机器学习的综合拍卖，通过结合价值和需求查询提升效率，减少查询次数并降低投标人认知负担，建立新的实践和效率基准。
2026-04-17 cs.AI cs.GT cs.LG
Discrete Single-Parameter Optimal Auction Design
本文利用LP对偶、多面体理论和KKT条件，在离散单参数拍卖中刻画最优拍卖为广义虚拟福利最大化，并证明全幺模性保证整数分配最优，应用于树上可行流拍卖。
2025-01-24 cs.DM cs.GT
Robust Scale-Free Auctions
Yale School of Management（耶鲁管理学院）
该研究针对先验无关拍卖设计，证明无保留第二价格拍卖是$n\ge2$单调风险率竞拍者的极大极小最优机制，发现非标准机制比标准混合机制收益更高，揭示尾部约束对拍卖设计的影响。
2026-08-18 cs.GT econ.TH
The Sample Complexity of Auctions with Side Information
本文研究带有辅助信息的拍卖样本复杂度问题，提出竞拍者先验相同但可基于辅助信息区分的模型，扩展已有样本复杂度方法并获得几乎匹配的上下界，同时改进了非相同独立估值分布情形下的样本复杂度上界。
2023-07-09 cs.DS cs.GT
On the Equilibrium Elicitation of Markov Games Through Information Design
New York University（纽约大学）
这项工作考虑了一个新的信息设计问题，并研究如何支付相关的环境信号的工艺单独可以影响智能代理的行为。智能体之间的策略交互被不完全信息马尔可夫博弈捕获，每个智能体首先从多个信号源中选择一个环境信号作为额外的收益相关信息，然后采取行动。有一个理性的信息设计者（设计者），他拥有一个信号源，目的是通过设计发送给代理人的信号的信息结构来控制代理人的平衡行为。建立了一个服从性原则，指出在信息设计激励每个智能体选择设计者发出的信号时，应不失一般性地关注直接信息设计，从而避免了对智能体策略选择行为的预测。然后，我们介绍了设计协议给定的目标的设计者被称为听话的可实现性（OIL），并在一类听话的完美贝叶斯马尔可夫纳什均衡（O-PBME）的OIL的特征。基于最大化最优松弛变量的方法，提出了一种新的信息设计框架。最后，我们制定了设计者的目标选择问题，并通过建立O-PBME和贝叶斯马尔可夫相关均衡之间的关系，我们建立在经典的信息设计在经济学中的启示原则，信息设计方面的特点。所提出的方法可以应用于多智能体系统在竞争以及合作环境中的预期行为，并扩展到完全和不完全信息环境中的异构随机博弈。
2021-02-14 cs.AI cs.GT cs.MA
Approximate Revenue Maximization for Diffusion Auctions
Yifan Huang（黄毅凡）；Dong Hao（郝东）；Zhiyi Fan（樊智毅）；Yuhang Guo（郭宇hang）；Bin Li（李斌）
本文研究扩散拍卖中的收益最大化问题，提出一种显式保留价函数，在保持激励相容性的同时，使卖家在规模为 n、直接邻居数为 ρ 的网络中获得 1−1/ρ 的近似最优收益保证。
2025-07-19 cs.AI cs.GT cs.MA
