Strong Duality for a Multiple-Good Monopolist
我们描述了多好垄断问题的最优机制，并提供了一个框架来找到它们。我们表明，一个机制是最优的当且仅当一个措施$μ$来自买方的类型分布满足一定的随机优势条件。这一措施表达了边际变化的卖方收入下边际变化的租金支付给买方类型的子集。作为一个推论，我们的最优性的大捆绑机制的特点，加强文献中的几个结果，只有充分的最优性条件已经得出。作为一个应用，我们表明，$n$独立的统一项目，每个支持$[c,c+1]$的最佳机制是一个大捆绑机制，只要$c$是足够大的，扩展巴甫洛夫的结果$2$项目[巴甫洛夫'11]。同时，我们的特征也意味着，对于所有$c$和所有足够大的$n$，最佳的机制，$n$独立的统一项目支持$[c,c+1]$是不是一个盛大的捆绑机制。
2017-09-05 cs.GT
Bayesian Algorithmic Mechanism Design
算法机制设计的主要问题是如何将自私行为所施加的激励约束与计算困难所施加的算法约束相结合。这一领域的动机是观察到，卓越的方法设计激励兼容机制，即维克里，克拉克和格罗夫斯;和中央方法规避计算障碍，近似算法，是根本不相容的：自然应用的VCG方法的近似算法未能产生一个激励兼容的机制。我们考虑放宽（事后）激励相容性（IC）的必要条件贝叶斯激励相容性（BIC），其中诚实是贝叶斯-纳什均衡（经济学中激励相容性的标准概念）。对于单参数代理设置中的福利最大化，我们给出了一个一般的黑箱约简，将任何近似算法变成具有基本相同的近似因子的贝叶斯激励兼容机制。
2011-02-23 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
Bounding the Menu-Size of Approximately Optimal Auctions via Optimal-Transport Duality
近似的最小菜单大小的问题（即，Hart和Nisan（2013）引入了向可加性风险中性准线性买家出售两种商品时的贝叶斯收入最大化，他们给出了该问题的上界$\varepsilon$。使用Daskalakis等人的最优运输对偶框架。（2013，2015），我们推导出这个问题的第一个下界-$Ω(\frac{1}{\sqrt[4]{\varepsilon}})$，即使两种商品的价值是独立同分布的。从“好”的分布，建立如何通过这个对偶框架的原因近似最优机制。这个界限意味着，对于任何固定数量的货物，一个严格的界限上的最小确定性通信复杂性的$Θ(\log\frac{1}{\varepsilon})$保证足以运行一些近似的收入最大化的机制，从而完全解决这个问题。作为第二个结果，我们表明，在标准的经济假设分布，上述上限的哈特和Nisan（2013）可以加强到$O(\frac{1}{\varepsilon^2})$。
2018-07-11 cs.GT
Simple Mechanisms for Subadditive Buyers via Duality
我们提供了简单的和近似的收入最优的机制，在多项目多投标人设置。我们统一和改进了所有以前的结果，以及推广的结果，以更广泛的情况。特别是，我们证明了以下两个简单的，确定性和主导策略激励兼容机制，顺序公布价格机制或匿名顺序公布价格机制与入场费，实现了一个恒定的比例的最优收益之间的所有随机，贝叶斯激励兼容机制，当买家的估值是XOS在独立的项目。如果买家的估价是独立物品的次加性，则近似因子退化为$O(\log m)$，其中$m$是物品的数量。我们得到我们的结果，首先扩展的蔡Devanur-温伯格对偶框架，以获得一个有效的基准的最优收益subadditive投标人，然后分析这个上限与新的技术。
2019-08-26 cs.DS cs.GT
Bayesian Mechanism Design for Blockchain Transaction Fee Allocation
针对区块链交易费用机制中无法兼顾非零矿工收益与DSIC的难题，本文提出基于贝叶斯博弈的辅助机制方法，设计了满足BNIC和防合谋的TFM，实现了渐近常数因子近似的最优矿工收益，打破了零收益障碍。
2024-12-23 cs.GT
Profitable Bayesian implementation in one-shot mechanism settings
在机制设计理论中，设计者希望实现一个期望的社会选择函数，该函数为所有代理类型的每个可能简档指定她最喜欢的结果。传统上，设计者可能处于一种两难的境地，即使她对一些低利润的结果不满意，她也必须宣布，因为她必须服从自己设计的机制。在本文中，我们调查的情况下，设计师可以诱导每个代理调整他的类型在一个一次性的机制。我们提出，对于一个有利可图的贝叶斯可实现的社会选择函数，设计者可以摆脱上述困境，通过花费最优调整成本，并获得更高的利润。最后，我们构造了一个例子来说明设计者可以突破传统的最优拍卖模型中她所能获得的最大期望利润的限制。
2019-06-01 cs.GT
The k-Facility Location Problem Via Optimal Transport: A Bayesian Study of the Percentile Mechanisms
该研究在贝叶斯机制设计框架下，通过关联k-设施选址问题与Wasserstein空间投影问题，刻画百分位机制的渐近行为、贝叶斯近似比上界及最优百分位机制，并估算分布近似带来的最优性损失。
2024-07-08 cs.GT
Cost-Recovering Bayesian Algorithmic Mechanism Design
本文研究了单参数域中贝叶斯激励相容机制的设计问题，其目标是优化以社会成本衡量的社会效率。在我们考虑的问题中，一组参与者竞争从一个可以提供这种服务的机制中获得服务。该机制希望选择为哪些代理人服务以实现社会效率最大化，但又不愿意承受预期损失：代理人的报酬应覆盖预期服务成本。我们开发了一个通用的方法转换为贝叶斯激励兼容机制，是成本回收的期望的基本优化问题的任意近似算法。特别是，我们给出了多项式时间的黑箱减少从机制设计问题的社会成本最小化算法的设计没有激励约束的问题。我们的减少将给定算法的预期社会成本增加了O（log（min{n，h}））的因子，其中n是代理的数量，h是支持中最高和最低非零估值之间的比率。我们还提供了一个下限，说明这种社会成本的膨胀是必不可少的：没有BIC成本回收机制可以实现比Ω（log（n））或Ω（log（h））更好的近似因子。我们的技术扩展到表明，某一类真实的算法可以在非贝叶斯设置成本回收，在这样一种方式，近似因子退化最多O（log（min{n，h}））。这是对具有膨胀因子O（log n）的先前已知构造的改进。
2013-05-02 cs.GT
Budget Feasible Mechanism Design: From Prior-Free to Bayesian
预算可行机制设计研究的是在总支付额受到预算约束的情况下，卖方有私人成本生产物品，买方（拍卖人）的目标是最大化物品子集上的社会价值函数的采购组合拍卖。该领域最重要的问题之一是“哪些估值领域承认真实的预算可行机制与'小'的近似值（相比，社会最佳）？辛格证明了加法和次模函数具有这样的常数近似。最近，Dobzinski、Papadimitriou和Singer给出了次可加函数的O（log^2 n）-近似机制;他们还评论说：“一个基本问题是，不管计算约束如何，是否存在一个常数因子预算可行的机制。“我们从两个角度来解决这个问题：无先验最坏情况分析和贝叶斯分析。对于先验自由框架，我们使用描述估值函数的分数覆盖的LP;它也与合作博弈论中近似核心的概念有关。通过LP的最坏情况完整性间隙I，我们提供了次可加函数的O（I）-逼近机制。这意味着次可加赋值的O（log n）近似，XOS赋值的O（1）近似，以及具有常数I的赋值。XOS赋值是介于次模类和次加类之间的一类重要函数。给出了次可加赋值的另一种多项式时间O（log n/loglog n）次对数逼近机制.对于贝叶斯框架，我们为所有次加性函数提供了一个常数近似机制，将上述无先验机制用于XOS赋值作为子例程。我们的机制允许私人信息分布的相关性，并且普遍真实。
2012-03-20 cs.GT
Bayesian Budget Feasibility with Posted Pricing
我们考虑了Singer（2010）提出的预算可行机制设计问题，但是是在贝叶斯环境下。一个委托人有一个雇用代理人子集的公共价值和预算，而代理人有被雇用的私人成本。我们认为，添加剂和子模价值函数的主要。我们发现，有简单的，实用的，事后预算平衡公布定价机制，近似的贝叶斯最优机制，预算平衡，只有在预期中获得的值。这项工作的一个主要激励应用是众包大型项目，例如，在土耳其机械公司，工人来自大量人口，标价是标准的。我们的分析方法涉及Vondrak等人（2011）的子模块优化中的竞争解决方案和Yan（2011）的相关间隙分析。
2015-10-21 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
The VCG Mechanism for Bayesian Scheduling
我们研究的问题调度$m$任务的$n$自私，无关的机器，以尽量减少完工时间，其中的执行时间是独立的随机变量，跨机器相同。我们表明，VCG机制，近视分配每个任务，其最好的机器，实现了近似比$O\left(\frac{\ln n}{\ln \ln n}\right)$。这显著改善了先前已知的先验独立机制的$O\left(\frac{m}{n}\right)$界限，由Chawla等人[STOC'13]在单调风险率（MHR）分布的附加假设下给出。虽然我们证明了这是一般紧，如果我们保持MHR假设，那么我们得到改进，（小）恒定的界限$m\geq n\ln n$ i.i.d.任务，同时我们也确定了一个充分条件的分布，产生一个恒定的近似比，无论任务的数量。
2017-03-29 cs.GT
Bayesian Truthful Mechanisms for Job Scheduling from Bi-criterion Approximation Algorithms
我们提供了多项式时间近似最优贝叶斯机制的最大完工时间最小化无关的机器，以及最大-最小公平分配不可分割的货物，分别与近似因子$2$和$\min\{m-k+1, \tilde{O}(\sqrt{k})\}$，匹配的近似比最知名的多项式时间\emph{algorithms}（最大-最小公平性，后一个要求是真实的货物数量的某些比率$m$的人$k$）。我们的机制是通过建立一个多项式时间近似敏感的减少，从设计近似最佳的{ \em机制}为一些任意的目标${\cal O}$的问题，设计双准则近似{ \em算法}为同一目标${\cal O}$加上一个线性分配成本项。我们的减少本身是通过扩展著名的“分离和优化的等价性”[GLSS 81，KP 80]来实现的，以适应双准则近似。此外，应用减少到特定的问题的最大完工时间和最大-最小公平性，我们开发多项式时间的双准则近似算法的最大完工时间最小化成本和最大-最小公平性的成本，适应的算法[ST 93]，[BD 05]和[AS 07]的双准则近似的类型，是所需的减少。
2014-05-23 cs.GT
The power of randomness in Bayesian optimal mechanism design
我们调查的权力随机性的背景下，一个基本的贝叶斯最优机制设计问题-一个单一的卖方的目标是最大限度地提高预期收入分配多种资源的“单位需求”代理商的偏好从一个已知的分布。当代理人的偏好是一维时，Myerson的开创性工作[Myerson '81]表明随机性没有任何好处-最佳机制总是确定性的。在多维的情况下，每个代理的偏好由每个可用服务的不同值给出，Briest等人[Briest，Chawla，Kleinberg和Weinberg '10]最近表明，即使当单个代理仅提供4个服务时，通过最优随机机制和最优确定性机制获得的预期收入之间的差距也是无限的。然而，这种巨大的差距是通过不自然的实例来实现的，在这些实例中，不同服务的代理的值以特定的方式相关。我们表明，当代理的值不涉及相关性或特定类型的正相关性，随机性的好处只是一个小的常数因子（分别为4和8）。我们的正相关价值模型（我们称之为附加价值）是单位需求代理和替代品的自然模型。我们的研究结果扩展到多个代理设置以及。
2010-02-24 cs.GT
From Optimal Transport to Efficient Mechanisms for the $m$-Capacitated Facilities Location Problem with Bayesian Agent
本文针对直线上的m-容量设施选址问题提出扩展排序机制，通过Wasserstein空间中的范数最小化建立联系，刻画其极限贝叶斯近似比，并给出最优ERM及数值验证。
2024-06-15 cs.GT
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
Quantum Bayesian implementation
贝叶斯实现涉及决策问题时，代理人有不完整的信息。本文提出了一种量子贝叶斯机制来修正传统的贝叶斯实现的充分条件。此外，通过使用算法贝叶斯机制，这种修正在宏观世界中成立。
2011-12-31 cs.GT physics.data-an
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
Getting More by Knowing Less: Bayesian Incentive Compatible Mechanisms for Fair Division
针对公平分配中DSIC机制真实性与公平性不兼容的问题，提出满足中立性先验下BIC机制可实现DSIC无法达成的公平性，同时明确了BIC机制的福利目标局限。
2024-05-17 cs.GT
Designing Optimal Mechanisms to Locate Facilities with Insufficient Capacity for Bayesian Agents
本文针对资源稀缺的贝叶斯智能体设施定位问题，结合最优传输理论设计最优真实机制，证明单设施最优机制存在并扩展到双设施场景，通过数值实验验证了机制性能及收敛性。
2024-11-30 cs.GT
Learning Bayesian Game Families, with Application to Mechanism Design
针对从数据学习博弈模型需为每个场景单独建模的问题，提出学习以单参与者类型为条件的中期贝叶斯博弈族模型，相比事前模型更可靠地近似均衡、支持参数外推，还能实现迭代机制设计。
2025-02-19 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
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
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
Ordinal Bayesian incentive compatibility in random assignment model
我们探讨了随机分配模型中将激励相容的概念从策略防护弱化为有序贝叶斯激励相容（OBIC）的后果。如果代理的共同先验是一个统一的先验，那么一大类随机机制是OBIC关于这个先验-这包括概率串行机制。然后，我们引入了一个强大的版本的OBIC：一个机制是本地鲁棒OBIC，如果它是OBIC的所有独立的先验在某个邻域中的一个给定的独立先验。我们证明了每一个局部鲁棒OBIC机制满足一个温和的性质称为基本单调性是防策略。这导致了Bogomolnaia和Moulin（2001）的不可能性结果的加强：如果至少有四个代理人，则不存在局部鲁棒OBIC和满足平等待遇的有序有效机制。
2021-05-16 cs.GT econ.TH
Deep Bayesian Trust : A Dominant and Fair Incentive Mechanism for Crowd
École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
一个重要的博弈论激励机制，从人群中引出的努力是基于同行的机制，其中工人的报酬匹配他们的答案与另一个。另一个经典的机制是让工人解决一些黄金标准任务，并根据他们对黄金任务的准确性支付他们。这种机制确保了比基于对等体的机制更强的激励兼容性，但将黄金任务分配给所有工人在大规模下变得效率低下。我们提出了一种新的机制，分配黄金任务，只有少数工人和利用传递性，从他们的同行的准确性，以获得其余的工人的准确性。我们表明，由此产生的机制，确保了激励相容性和公平性的主导概念。
2018-11-14 cs.AI cs.GT cs.HC
Learning Recommender Mechanisms for Bayesian Stochastic Games
针对贝叶斯随机博弈中存在私人信息时难以协调单一均衡的挑战，提出一种双层强化学习方法自动设计由神经网络表示的推荐机制，实验证明其在社会福利上具竞争力且显著改善激励特性。
2025-05-29 cs.GT cs.MA
Discrete & Bayesian Transaction Fee Mechanisms
针对标准性质下加密货币交易费机制收益低的问题，本研究通过离散费用设计满足扩展性质且渐近收益最优的机制，还证明放宽性质后比特币TFM经显示原理可实现近似收益最优，并刻画了多物品防链下协议机制类别。
2024-05-22 cs.GT econ.TH
Bayesian Promised Persuasion: Dynamic Forward-Looking Multiagent Delegation with Informational Burning
Electrical and Computer Engineering, New York University（纽约大学电气与计算机工程系）
本文研究了一个委托人将决策权委托给一组知情的代理人的动态机制设计问题。我们认为，主要的私人拥有完整的知识，状态转换和研究她如何可以使用她的私人观察，以支持激励相容性的代表团通过信息燃烧，一个过程中，我们称之为前瞻性的说服。代理机制制定中，代理人形成的信念层次结构，由于说服和发挥动态贝叶斯博弈。我们提出了一种新的随机机制，称为贝叶斯承诺的代表团（BPD），其中定期激励相容性是由未来代表团的说服和承诺保证。我们证明了在平稳马尔可夫完美贝叶斯均衡中，BPD可以实现与原始机制相同的最优社会福利。建立了一个类似启示原则的设计制度，以表明与信念层次的说服，可以充分表征相关的随机化的代理的本地BPD机制与说服作为一个直接推荐的未来的承诺。
2022-01-16 cs.AI cs.GT cs.SY
Replication-proof Bandit Mechanism Design with Bayesian Agents
University of Maryland（马里兰大学）；Simons Laufer Mathematical Sciences Institute（西蒙斯-劳弗数学科学研究所）
研究贝叶斯智能体下防复制多臂老虎机机制设计，提出单智能体防复制的充要条件及多智能体防复制算法，并证明其次线性遗憾上界。
2025-01-31 cs.AI cs.DS cs.GT
A Bayesian Incentive Mechanism for Poison-Resilient Federated Learning
1 Department of Multidisciplinary Engineering, Texas A\&M University, College Station, TX, USA；2 Department of Statistics；3 Department of Computer Engineering, KNUST, Kumasi, Ghana；4 Department of Computer Science, George Washington University, Washington, DC, USA；5 Department of Engineering Technology；Industrial Distribution, Texas A\&M University, College Station, TX, USA
本文提出一种轻量级贝叶斯激励机制，通过将联邦学习每轮训练建模为不完全信息博弈，利用私有验证集评估更新质量并实施支付，使投毒成为经济劣策略，在半数恶意客户端下仍保持高准确率。
2025-07-16 cs.CR cs.GT cs.LG
Asymptotic Security using Bayesian Defense Mechanism with Application to Cyber Deception
本文将攻防动态决策建模为随机信号博弈，证明贝叶斯防御机制在均衡下可渐近识别攻击或迫使系统恢复正常，并据此提出漏洞非对称认知下的防御性欺骗方法。
2023-12-07 cs.CR cs.GT cs.SY
Human collective intelligence as distributed Bayesian inference
MIT Media Lab（麻省理工学院媒体实验室）；Australian National University（澳大利亚国立大学）；Tel-Aviv University（特拉维夫大学）；MIT（麻省理工学院）
集体智慧被认为是人类社会取得巨大成功的基础。准确的共同信念的形成是人类集体智慧的关键组成部分之一。在由易犯错误的个体组成的群体中，正确的共同信念是如何形成的？解决这个问题需要多尺度分析。我们必须了解人们使用的个人决策机制，以及这些机制的属性和动态。到目前为止，这种方法的数学工具一直缺乏。为了解决这一差距，我们引入了一个新的分析框架：我们提出，通过分布式贝叶斯推理，群体达到准确的共享信念。分布式推理通过个体层面的信息处理发生，并在群体层面产生合理的信念形成。我们在一个新的人类社会决策模型中实例化了这个框架，我们使用我们收集的超过50，000名在线社交交易平台用户的数据集进行验证，投资者在外汇和其他资产市场上使用真实货币模仿彼此的交易。我们发现，在这种情况下，人们使用的决策机制，其中流行被视为一个先验分布的决定是最好的。这种机制是有限的理性在个人层面上，但我们证明，在聚合实现了一种近似的“汤普森抽样”-一个著名的和高效的单代理贝叶斯机器学习算法顺序决策。因此，分布式贝叶斯推理的视角揭示了集体理性是如何从人们使用的有限理性决策机制中产生的。
2016-08-05 cs.AI cs.CY cs.GT
