Bandits Meet Mechanism Design to Combat Clickbait in Online Recommendation
University of Oslo（奥斯陆大学）；Apple ML Research（苹果机器学习研究院）；TTIC（丰田理工学院芝加哥分校）；University of Neuchatel（纳沙泰尔大学）；University of Chicago（芝加哥大学）
研究策略性点击老虎机问题，提出激励感知学习算法UCB-S，在不确定性下激励理想臂行为并最小化遗憾，证明其达到 $\tilde{\mathcal{O}}(\sqrt{KT})$ 遗憾上界，且激励无感知算法无法实现低遗憾。
2023-11-27 cs.GT cs.LG
Exploration and Incentives in Reinforcement Learning
MIT（麻省理工学院）；UC Berkeley（加州大学伯克利分校）；Microsoft Research NYC（微软研究院纽约分院）
当自私的代理人更喜欢$\textit{exploit}$时，你如何激励他们选择$\textit{explore}$？我们考虑复杂的勘探问题，每个代理面临相同的（但未知的）MDP。与传统的强化学习公式相反，代理控制策略的选择，而算法只能发出建议。然而，该算法控制了信息流，并可以通过信息不对称激励代理进行探索。我们设计了一个算法，探索所有的可达状态的MDP。我们实现了可证明的保证类似于那些激励探索静态，无状态的探索问题之前研究。据我们所知，这是第一个在有状态的强化学习环境中考虑机制设计的工作。
2023-02-19 cs.GT cs.LG
Personalized incentives as feedback design in generalized Nash equilibrium problems
University of Oxford（牛津大学）；IMT School for Advanced Studies Lucca（卢卡高等研究院）；ENSTA Paris（巴黎国立高等先进技术学院）；Institut Polytechnique de Paris（巴黎理工学院）
针对势函数未知的稳态与时变非单调广义纳什均衡问题，提出两层半去中心化算法，由协调器学习伪梯度并设计个性化激励，实现均衡或可调误差近似。
2023-05-22 cs.GT cs.LG cs.SY
Recommending Paths: Follow or Not Follow?
移动社交网络应用构成了交通信息共享的重要平台，帮助用户实时的收集和共享关于他们在行驶路径上经历的驾驶条件的传感器信息。在本文中，我们分析了平台在两条路径之间选择的简单但基本的模型：一个具有已知的确定性的旅行成本，另一个随时间在低和高随机成本状态之间交替，其中低和高成本状态仅部分可观察，并且平均而言分别比固定成本路径表现得更好和更差。在随机路径上路由的用户越多，平台就越能更好地推断其实际状态并有效地使用它。在纳什均衡，如果被要求采取风险更大的路径，在许多情况下自私的用户将短视地忽视平台的最优路径建议，导致一个次优系统没有足够的探索随机路径。我们证明了有趣的结果，如果过去收集的信息是隐藏的用户，该系统成为激励相容的，甚至是"老练的"用户（在这个意义上，它们具有对平台的推荐进行反向工程并以该推荐为条件导出路径状态分布的完全能力）更愿意听从平台的建议。在更实际的设置中，平台实现无模型Q-学习算法以最小化社交旅行成本，我们的分析表明，增加学习算法的准确性增加了复杂用户遵循的系统参数的范围!平台的建议，成为在极限充分激励兼容。最后，我们扩展了双路径模型，使其包含更多的随机路径，并证明了在我们的信息约束机制下激励相容性成立。
2018-12-03 cs.GT
On the Differential Private Data Market: Endogenous Evolution, Dynamic Pricing, and Incentive Compatibility
隐私是数据交易市场中的一个重要问题。本研究以机制设计的方法，探讨个人资料隐私权价值最大化的最适市场模式，并使用差分隐私。买方使用有限数量的随机算法以顺序组合的方式访问所有者的数据，其中每个随机算法都是不同的私有。随机算法的每次使用被称为一个周期。由于差分隐私的可组合性，不可避免地存在随着时间的推移而积累的隐私损失。因此，我们允许所有者在任何时段结束时通过做出止损决定离开市场。我们定义了一个工具性的内核函数来捕捉所有者的偏好的工具性，并考虑到差分隐私的可组合性和隐私问题的时变性质，在一段时间内对每个所有者的（内在的和工具性的）偏好的形成进行建模。我们的desideratum是研究买方的设计制度的最优市场模型在一个动态的环境中，每个业主作出耦合的决定停止和报告他们的喜好。买方试图设计一个隐私分配规则，动态指定的程度的隐私保护和支付规则，以补偿所有者的隐私损失。买方还选择一个支付规则，这是独立于业主的报告，他们的喜好，以影响业主的停止决定。我们描述了动态激励相容性，并提供了一个设计原则来构建支付规则的隐私分配规则。此外，我们放松买方市场的设计问题，并提供了一个近似的动态激励兼容的市场模型的充分条件。
2021-12-22 cs.GT cs.SY eess.SY
Carry-Over Lottery Allocation: Practical Incentive-Compatible Drafts
La Salle University（拉萨尔大学）
本文提出一种实用且激励相容的选秀机制，通过递延彩票分配框架改变团队质量评估方式，使非季后赛队伍获得相同彩票数量，消除输球动机，同时通过彩票累积机制保持激励相容性。
2026-03-16 cs.GT
Interactive Learning with Pricing for Optimal and Stable Allocations in Markets
UC Berkeley（加州大学伯克利分校）；Salesforce Research（赛富时研究院）
大规模的在线推荐系统必须在竞争用户之间分配有限数量的项目，同时从用户反馈中学习他们的偏好。作为在设计中纳入市场约束和用户激励的原则性方法，我们认为我们的目标是双重的：最大的社会福利和最小的不稳定性。为了最大限度地提高社会福利，我们提出的框架提高了质量的建议，探索分配，乐观地最大化的回报。为了最大限度地减少不稳定性（衡量用户偏离推荐分配的动机），该算法根据从瓦尔拉斯均衡推导出的方案对物品进行定价。虽然它是已知的，这些均衡产生稳定的价格与已知的用户偏好的市场，我们的方法占固有的不确定性的偏好，并进一步确保用户接受他们的建议下提供的价格。据我们所知，我们的方法是第一个整合技术，从组合土匪，最佳资源分配，协同过滤，以获得一个算法，实现次线性社会福利遗憾，以及次线性不稳定。对合成和真实世界数据的实证研究也证明了我们的策略与没有完全结合所有这些方面的方法相比的有效性。
2022-12-13 cs.GT cs.LG
Incentivizing High-Quality Content in Online Recommender Systems
University of California, Berkeley（加州大学伯克利分校）
本研究针对在线推荐系统中标准在线学习算法会激励低质量内容生产的问题，设计了可激励高努力、提升用户福利的学习算法，揭示了算法对内容质量的意外影响并给出缓解方案。
2024-06-21 cs.GT cs.IR cs.LG
Equity by Design? On the Trade-Offs in Fairness-Driven Recommendation in Heterogeneous Two-Sided Markets
University of Amsterdam（阿姆斯特丹大学）；Vinted
本文提出一个离线优化框架，统一分析多物品推荐、异质用户群体和业务约束下的公平性权衡，发现多推荐场景下“免费公平”消失，适度的生产者公平约束可通过多样化曝光改善业务指标。
2026-07-03 cs.GT cs.IR
Preference-Centric Route Recommendation: Equilibrium, Learning, and Provable Efficiency
针对传统交通均衡模型忽略用户偏好与决策相关性的问题，本文提出以偏好为中心的路径推荐框架，基于Borda粗相关均衡(BCCE)概念，开发了从决斗反馈中学习的自适应算法，并证明其遗憾值为O(T^(2/3))且能收敛至BCCE。
2025-04-01 cs.GT
Fiduciary Bandits
Technion - Israel Institute of Technology（以色列理工学院）；University of British Columbia（不列颠哥伦比亚大学）
推荐系统经常面临探索-利用的权衡：系统只能通过向某些用户推荐新选项来了解新选项的可取性。这样的系统因此可以被建模为多臂强盗设置;然而，用户是自私的，不能遵循建议。我们要问的是，探索是否仍然可以以一种严格尊重代理人利益的方式进行-即，由一个充当受托人的系统来管理。更正式地说，我们引入了一个模型，在这个模型中，推荐系统面临着一个探索-利用权衡的约束下，它永远不能推荐任何行动，它知道收益较低的预期回报比代理将实现，如果它单独行动。我们的主要贡献是一个积极的结果：一个渐进最优的，激励相容的，和事前个别合理的推荐算法。
2020-06-28 cs.GT cs.IR cs.LG
Nash Incentive-compatible Online Mechanism Learning via Weakly Differentially Private Online Learning
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
本文提出一种结合弱差分隐私在线学习与承诺机制的随机选择方法，在无需智能体类型先验的情况下实现多轮激励兼容在线机制学习，并在对抗环境中获得随远视程度和机制类大小优雅扩展的遗憾界。
2026-10-28 cs.CR cs.DS cs.GT
Fair Incentives for Repeated Engagement
Massachusetts Institute of Technology（麻省理工学院）；University of Southern California（南加州大学）
研究公平约束下智能体留存的货币激励优化问题，提出一种渐近最优的静态启发式策略，避免动态政策因系统类型组成变化而产生的无意歧视。
2024-07-29 cs.GT cs.LG cs.MA
Lower Bias, Higher Welfare: How Creator Competition Reshapes Bias-Variance Tradeoff in Recommendation Platforms?
Shanghai University of Finance and Economics（上海财经大学）；Tsinghua University（清华大学）
研究探讨了创作者竞争如何影响推荐平台的偏差-方差权衡，发现通过降低偏差可提升用户福利。
2026-02-28 cs.GT
Mechanism Design in Large Games: Incentives and Privacy
我们研究了在不完全信息的情况下实现完全信息博弈均衡的问题，并使用“推荐机制”来解决这个问题。“推荐机制是一种没有强制执行结果或强迫参与的权力的机制，它只有权在自愿参与的基础上建议结果。我们发现，尽管有这些限制，推荐机制可以实现均衡的完全信息游戏的设置不完全信息的条件下，游戏是大的-即有大量的球员，和任何球员的行动影响任何其他的收益最多一个小数额。我们的结果来自于差分隐私的一个新的应用。我们表明，任何算法，计算一个完整的信息博弈的相关均衡，同时满足一个变种的差分隐私-我们称之为联合差分隐私-可以用作推荐机制，同时满足我们所需的激励性能。我们的主要技术成果是一个算法，用于计算一个大型游戏的相关均衡，同时满足联合差分隐私。虽然我们的推荐机制的设计，以满足博弈论的属性，我们的解决方案最终满足一个强大的隐私属性以及。没有一组玩家可以从机制的建议中了解到组外任何玩家的类型，即使这些玩家以任意的方式勾结。因此，我们的算法能够实现完全信息博弈的均衡，而不透露有关实现类型的信息。
2015-12-10 cs.CR cs.DS cs.GT
JSAM: Privacy Straggler-Resilient Joint Client Selection and Incentive Mechanism Design in Differentially Private Federated Learning
Department of Information Engineering, The Chinese University of Hong Kong（信息工程系，香港中文大学）；School of Science and Engineering, Shenzhen Institute of Artificial Intelligence and Robotics for Society（科学与工程学院，深圳人工智能与机器人研究院）；The Chinese University of Hong Kong（香港中文大学）
JSAM通过联合优化客户端选择与隐私补偿，提升差分隐私联邦学习的训练效果和效率，实现隐私保护与参与激励的平衡。
2026-02-25 cs.DC cs.GT cs.LG
Joint Participation Incentive and Network Pricing Design for Federated Learning
针对联邦学习中用户参与激励与网络通信定价的耦合问题，本文在纵向与横向交互结构下解析设计最优契约和定价机制，证明纵向结构更优，并使服务器成本最高降低24.87%。
2023-08-17 cs.GT cs.NI
Balancing Efficiency with Equality: Auction Design with Group Fairness Concerns
本文针对拍卖中的群体歧视问题，提出群体公平性和个体公平性两种概念，并设计群体概率机制和群体评分机制，在保持激励相容的同时实现公平与卖方收益的平衡。
2024-08-09 cs.GT
Bayesian Exploration with Heterogeneous Agents
Microsoft Research（微软研究院）；University of Pennsylvania（宾夕法尼亚大学）；University of Minnesota（明尼苏达大学）
在推荐系统中，当用户在不确定性下做出策略选择时，他们既消费又生产信息。虽然社会规划者会使用多臂强盗算法来平衡“探索”和“剥削”，但用户的激励可能会使这种平衡倾向于剥削。我们考虑贝叶斯探索：一个简单的模型，其中推荐系统（“委托人”）控制着流向用户（“代理人”）的信息流，并通过信息不对称来激励探索。这个模型的一个回合是一个著名的“贝叶斯说服游戏”的版本[Kamenica和Gentzkow]。我们允许不同的用户，放宽了一个主要的假设，从以前的工作，用户有相同的偏好，从一个时间步到另一个。现在的目标是学习最好的个性化推荐。一个特别的挑战是，无论主体做什么或她有多少时间，都不可能激励某些用户类型采取某些操作。我们考虑了几个版本的模型，这取决于用户类型是否以及何时报告给委托人，并为每个版本设计了一个接近最优的“推荐策略”。我们还研究了模型的选择和用户类型的多样性如何影响可能被“探索”的每种类型的动作集。
2019-02-19 cs.GT cs.LG
Designing Incentive Schemes For Privacy-Sensitive Users
企业（零售商）通常希望向个人（消费者）提供个性化的广告（优惠券），但有可能引起消费者的强烈反应，这些消费者想要定制的购物体验，但觉得他们的隐私受到了侵犯。现有的隐私模型，如差分隐私或信息论试图量化隐私风险，但没有捕捉到的主观经验和隐私敏感性的异质表达。我们提出了一个马尔可夫决策过程（MDP）模型来捕获（i）不同的消费者隐私敏感度通过随时间变化的状态;（ii）不同的优惠券类型（动作集）的零售商;（iii）的动作和状态相关的成本感知隐私侵犯。对于简单的情况下，两个状态（“正常”和“警报”），两个优惠券（有针对性的和非有针对性的）模型，和消费者的行为统计已知的零售商，我们表明，一个固定的阈值为基础的政策是最佳的优惠券提供策略的零售商，希望最大限度地减少其预期的折扣成本。阈值是所有模型参数的函数;如果零售商认为消费者处于“警报”状态，则零售商提供有针对性的优惠券。我们扩展这个两状态模型的消费者与多个隐私敏感性的状态，以及优惠券依赖的状态转移概率。此外，我们研究了不完美的（噪声）的消费者的成本反馈和不确定的初始信念状态的情况下。
2015-09-23 cs.CR cs.GT
PRADA: Proactive Risk Assessment and Mitigation of Misinformed Demand Attacks on Navigational Route Recommendations
本文提出PRADA博弈论框架，将攻击者与导航推荐系统的交互建模为Stackelberg博弈，评估误导性需求攻击风险，并引入信任机制缓解攻击影响，同时揭示了局部攻击可能改善整体交通的韧性悖论。
2024-08-30 cs.GT
Collaborative Smartphone Sensing using Overlapping Coalition Formation Games
随着传感器技术的快速发展，智能手机传感已成为提高智能手机应用质量的有效途径。然而，由于时变的无线信道和缺乏激励的用户参与，由智能手机用户上传的数据的质量和数量并不总是令人满意的。在本文中，我们考虑一个智能手机传感系统，其中一个平台公布多个任务，智能手机用户选择一组任务参与。在传统的非合作激励方法中，每个智能手机用户作为独立的个体从平台获得奖励，并且通常忽略了无线信道资源的限制。为了解决这个问题，我们引入了一种新的合作方法与重叠联盟形成游戏（OCF-game）模型，在该模型中，智能手机用户可以相互合作，形成重叠联盟，以执行不同的传感任务。我们还利用一个集中的情况下，描述系统的感知性能的上限。仿真结果表明，在各种情况下，协作方法都比非协作方法具有更好的性能。
2016-08-01 cs.DC cs.GT cs.NI
