Market Incentives for AI Safety Investment
INSAIT;Sofia University “St. Kliment Ohridski”(索非亚大学“圣·克利门特·奥赫里德斯基”)
该研究通过博弈论模型分析AI供应链中企业的安全投资激励,发现下游竞争提升下游安全投资、上游因补偿不足投资不足,并探讨监管干预对安全水平的影响。
2026-10-30 cs.GT cs.LG stat.ML
A Service-Oriented Adaptive Hierarchical Incentive Mechanism for Federated Learning
China University of Petroleum, Beijing(中国石油大学(北京))
本文针对联邦学习训练数据不足问题,提出一种面向服务的自适应分层激励机制,通过Stackelberg博弈和MAMDP建模,结合DRL和ASOSA算法最大化各方效用并解决耦合问题。
2025-09-03 cs.GT cs.LG cs.SY
Profit Incentive In A Secondary Spectrum Market: A Contract Design Approach
在本文中,我们制定了一个合同设计的问题,一个主要的许可证持有人希望从其多余的频谱容量出售给潜在的二级用户/买家的利润。它需要确定如何对多余频谱进行最佳定价,以使其利润最大化,因为知道这种多余容量本质上是随机的,不具有排他性,并且不能向买方提供确定性的服务保证。同时,购买者属于不同的{ \em类型},其特征在于不同的沟通需求、对渠道不确定性的容忍度等等,这些都是购买者的隐私信息。然后,许可证持有人必须设法设计不同的合同,以满足不同类型的买家,以最大限度地提高其利润。我们解决这个问题,通过采用作为参考的传统频谱市场,买方可以购买独家访问与固定/确定性的保证。我们充分表征的情况下,有一个单一的买家类型的最佳解决方案,当多种类型的买家共享相同的,已知的渠道条件作为主要用户活动的结果。在最一般的情况下,我们构建了一个算法,生成一组合同的计算效率的方式,并表明,这一套是最佳的买方类型时,满足单调性条件。
2012-07-27 cs.CE cs.GT
Web3 Meets Behavioral Economics: An Example of Profitable Crypto Lottery Mechanism Design
在Web3时代,我们经常面临着设计激励机制的重要任务。历史表明,许多Web3服务的失败主要是由于缺乏基于代币经济学的严格激励机制设计。然而,传统的机制设计,其中有一个假设,即服务的用户战略决策,使他们的预期利润最大化,往往没有捕捉到他们的真实行为,因为它忽略了人类的心理偏见,在不确定性的决策。在本文中,我们提出了一个激励机制设计的密码使能的服务,使用行为经济学。具体来说,我们在这项工作中以加密彩票游戏为例,并将累积前景理论的开创性工作纳入其彩票游戏机制(或规则)设计中。我们设计了四种机制,并在效用方面对它们进行了比较,这是一种衡量机制对参与者吸引力的指标,以及游戏运营商的预期利润。我们的方法是通用的,将适用于各种基于加密的服务,其中必须在不确定性下做出决定。
2023-01-27 cs.CE cs.GT
Control of Charging of Electric Vehicles through Menu-Based Pricing
School of Industrial Engineering, Purdue University(普渡大学工业工程学院)
本文提出了一种在线定价机制,通过菜单定价策略优化电动汽车充电站的能源使用和利润,同时减少高峰需求并提高充电站的利用效率。
2017-04-26 cs.GT cs.SY eess.SY
Incentive Design and Market Evolution of Mobile User-Provided Networks
运营商辅助的用户提供的网络(UPN)有可能实现低成本的无处不在的互联网连接,而不会显着增加网络基础设施的投资。在本文中,我们考虑这样一个网络,网络运营商鼓励她的一些用户作为移动Wi-Fi热点(主机),为其他用户(客户端)提供互联网连接。我们制定了运营商和移动用户之间的互动作为一个两阶段的游戏。在第一阶段,运营商确定数据使用的基于使用的定价和基于配额的激励机制。在第二阶段,移动用户决定是主机还是客户端,或者根本不是订户。我们描述了用户的会员选择将如何影响彼此的收益在第二阶段,以及如何运营商优化她的决定在第一阶段,以最大限度地提高她的利润。理论和数值结果表明,在混合定价机制下,运营商的最大利润随着用户密度的增加而增加,在密集网络中,与没有激励的单一定价机制相比,运营商的最大利润可以增加50%.
2015-04-19 cs.GT cs.NI
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
Informal and Privatized Transit: Incentives, Efficiency and Coordination
Columbia(哥伦比亚大学);Lyft
本文通过博弈论框架研究非正式公交系统中司机利润最大化行为导致的效率损失,并提出交叉补贴和票价优化两种机制来缓解低效。
2026-06-11 cs.GT econ.TH math.OC
Balancing incentives in committee-based blockchains
本文提出量化利润剥夺攻击的博弈框架,分析基于委员会区块链中投票收集的攻击平衡问题,揭示 Cosmos 和 Ethereum 奖励机制的不平衡并提出改进参数设置。
2025-05-30 cs.DC cs.GT
Almost Quasi-linear Utilities in Disguise: Positive-representation An Extension of Roberts' Theorem
这项工作涉及社会选择规则的实施,使用占优策略的无限制的偏好。具有开创性意义的吉巴德-萨特思韦特定理表明,除非我们假设对偏好有一些限制或允许货币转移,否则只有很少几个没有吸引力的社会选择规则可以实施。当允许货币转移和准线性效用w.r.t.在假设金钱的情况下,Vickrey-Clarke-Groves(VCG)机制被证明可以实现任何仿射最大化器,并且通过Roberts的工作,只要代理的类型集足够丰富,就只能实现仿射最大化器。在这项工作中,我们概括了这些结果,并定义了一类新的偏好:偏好是积极的,由一个准线性效用。也就是说,代理人的偏好的子空间的结果可以建模使用准线性效用。我们表明,VCG机制的激励兼容机制的特征自然延伸到这个领域。我们的研究结果如下从一个简单的还原VCG机制的表征。因此,我们认为我们的结果更像是一个更完整更正确的VCG表征版本。这项工作还突出了一个共同的误解,在社区归因于VCG结果的使用可转移的效用。我们的研究结果表明,激励兼容性的VCG机制不依赖于钱是一个共同的分母,而是设计师的能力,精细的代理人在一个连续的(也许代理特定的)规模。我们认为,这两种见解,考虑效用作为一种代表,而不是作为偏好本身(这在经济共同体中很常见),并考虑仅代表相关领域偏好的效用,在其他领域也会取得成果。
2019-10-26 cs.GT econ.TH
Incentivizing Data Trading via Profit Reallocation
Peking University(北京大学);Tsinghua University(清华大学);Technion(以色列理工学院);Renmin University of China(中国人民大学);Jiangnan University(江南大学)
针对数据交易中缺乏经济激励的问题,提出基于链式交易模型和利润再分配机制,通过算法计算序贯均衡,理论证明和实验表明该机制能扩大交易量并提升社会福利。
2026-07-01 cs.GT
Willy Wonka Mechanisms
本研究针对认知受限智能体,为多种拍卖场景设计了不存在明显操纵的机制,通过引入“金门票”和“木勺”概念刻画了Willy Wonka机制,并据此构建了收入最大化拍卖与节俭采购拍卖。
2024-02-13 cs.GT
Incentive Mechanism Design for ROI-constrained Auto-bidding
自动竞价在在线广告中扮演着重要的角色,并已成为广告主和广告平台实现其绩效目标和优化广告投放效率的重要工具。采用自动出价的广告主只需要表达高层次的目标和约束,而将出价优化问题留给广告平台。由于自动竞价明显改变了竞价语言和广告主参与广告拍卖的方式,因此,研究自动竞价与广告主的互动关系,需要对自动竞价环境的机制设计进行基础性研究。在本文中,我们制定了一般问题的激励机制设计的投资回报率约束的自动投标,并进行了分析的策略证明要求的收入最大化和利润最大化的广告客户。此外,本文还为不同类型的广告主提供了一个保证激励属性的机制框架和一个切实可行的解决方案。
2020-12-04 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
Regularized Proportional Fairness Mechanism for Resource Allocation Without Money
JPMorgan AI Research(摩根大通人工智能研究院)
针对无货币资源分配中比例公平机制可利用性过高的问题,本文提出正则化比例公平网络RPF-Net,通过学习最可利用分配来正则化PF输出,在保持社会福利的同时降低虚报激励,并给出泛化保证与实验验证。
2025-01-02 cs.GT cs.LG
Incentive Mechanism Design for Heterogeneous Peer-to-Peer Networks: A Stackelberg Game Approach
对等网络(P2P)系统具有高扩展性、高视频流质量和低带宽要求,已经成为在互联网上交换文件和传送多媒体内容的流行方式。然而,目前的P2P系统遭受“搭便车”,由于节点的自私性质。在本文中,我们提出了一个基于信用的激励机制,以鼓励对等点相互合作,在一个异构的网络,由有线和无线对等点。该机制通过有偏的资源分配为具有不同信用的节点提供差异化服务。一个Stackelberg游戏制定,以获得最优的定价和购买策略,这可以共同最大化的收入的上传者和下载者的效用。特别地,在设计Stackelberg博弈的效用函数时,考虑了节点的异质性和自私性。实验结果表明,所提出的资源分配方案能够有效地为节点提供服务差异化,激励节点为P2P流媒体系统做出贡献.
2014-07-24 cs.GT cs.NI
Caching Incentive Design in Wireless D2D Networks: A Stackelberg Game Approach
无线设备到设备(D2D)网络中的高速缓存可以用于在高峰时间期间卸载数据业务。然而,由于用户终端(UT)的异构偏好和自私的性质,激励机制的设计是具有挑战性的。在本文中,我们提出了一种激励机制,其中基站(BS)奖励那些使用D2D通信与他人共享内容的UT。我们研究了BS的成本最小化问题和每个UT的效用最大化问题。特别地,BS确定奖励策略以最小化其总成本,而每个UT旨在通过选择其缓存策略来最大化其效用。我们制定的UT之间的冲突和BS和UT之间的紧张局势作为一个Stackelberg游戏。我们证明了平衡点的存在性,并提出了一个迭代梯度算法(IGA),以获得Stackelberg均衡。进行了大量的模拟,以评估所提出的缓存方案的性能和比较绘制与几个基线缓存方案没有激励。数值结果表明,我们的激励机制下的缓存方案优于其他方案的BS服务成本和效用的UT。
2016-03-01 cs.GT cs.IT cs.NI
On the Coexistence of Stability and Incentive Compatibility in Fractional Matchings
稳定匹配在社会选择文献中得到了广泛的研究。焦点主要集中在积分匹配上,其中两侧的节点完全匹配。分数匹配是整数匹配的凸组合,是整数匹配的自然推广。分数匹配稳定性的话题直到最近才开始受到关注。此外,激励相容性的背景下,分数匹配得到了很少的关注。在此背景下,本文研究了机制的激励相容性这一重要课题,以寻找稳定的分数匹配。我们研究的偏好是以基数效用的形式表达的。我们的第一个结果是一个不可能的结果,有匹配的情况下,没有机制,产生一个稳定的分数匹配可以激励兼容,甚至近似激励兼容。这提供了寻找特殊类别的匹配实例的动机,对于这些匹配实例存在产生稳定分数匹配的激励兼容机制。我们的研究导致一类匹配的情况下,承认唯一的稳定分数匹配。我们首先表明,一个唯一的稳定的分数匹配的匹配实例存在的当且仅当给定的匹配实例满足条件的相互第一偏好(CMFP)的属性。为此,我们提供了一个多项式时间算法,巧妙地利用嫉妒图找到一个非整数稳定匹配时,偏好是严格的,给定的实例是不是CMFP匹配实例。对于这类CMFP匹配实例,我们证明了产生唯一稳定分数匹配的每个机制是(a)激励相容的,并且进一步(b)抵抗联盟操纵。
2022-04-19 cs.GT
Incentive Mechanism Design for Unbiased Federated Learning with Randomized Client Participation
Duke Kunshan University(昆山杜克大学);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Shenzhen Institute of Artificial Intelligence and Robotics for Society(深圳市人工智能与机器人研究院);IBM T. J. Watson Research Center(IBM托马斯·J·沃森研究中心);Yale University(耶鲁大学)
本文针对联邦学习中因预算和异构性导致的固定子集参与偏差问题,提出基于随机客户端参与的博弈论激励机制,通过定制定价和收敛界分析实现无偏高性能模型,并验证其能同时提升服务器模型性能和客户端收益。
2023-04-17 cs.AI cs.GT cs.LG
Nearly Tight Regret Bounds for Profit Maximization in Bilateral Trade
Sapienza University of Rome(罗马大学);Google Research(谷歌研究);Aarhus University(奥胡斯大学);Institute for Complex Systems(复杂系统研究所)
本文提出了一种在双边贸易中近紧的利润最大化算法,通过解决非平稳场景下的 regrets 问题,展示了激励相容机制的最优收敛性。
2025-09-26 cs.GT cs.LG
Offline and Online Incentive Mechanism Design for Smart-phone Crowd-sourcing
本文研究智能手机众包的激励机制设计问题。参与众包的每个用户提交一组它可以完成的任务及其相应的出价。然后,平台选择用户及其支付,以最大限度地提高其效用,同时确保真实性,个人理性,盈利能力和多项式算法复杂性。离线和在线的情况下,其中在离线的情况下,所有用户同时提交他们的配置文件,而在在线的情况下,他们这样做顺序,并决定是否接受或拒绝每个用户是即时完成没有撤销。离线和在线的情况下,所提出的算法,以满足所有四个所需的性能的一个有效的拍卖。通过大量的仿真,离线和在线算法的性能进行了比较。
2013-10-07 cs.CY cs.GT cs.NI
A Game Theoretic Analysis of Validator Strategies in Ethereum 2.0
本文通过贝叶斯博弈模型分析以太坊 2.0 单 slot 中区块提议者与见证者的策略,证明其激励机制激励相容并存在贝叶斯纳什均衡和事前占优策略,从而验证了协议对验证者合作的促进作用。
2024-05-07 cs.GT
An Incentive Mechanism for Trading Personal Data in Data Markets
随着数字数据经济的蓬勃发展,数字数据被认为是21世纪的原油,其价值越来越大。随着这一趋势的发展,数据提供者和数据消费者之间的数据市场交易模式开始成为一种以获得高质量个人信息换取一定补偿的过程。但个人数据分析带来的隐私侵犯风险阻碍了数据提供商参与数据市场。差分隐私作为隐私保护的事实标准,可以解决这个问题,但另一方面,它降低了数据的效用。在本文中,我们引入了一个定价机制,考虑到隐私和准确性之间的权衡。我们提出了一种方法来诱导数据提供者准确地报告她的隐私价格,我们优化它,以最大限度地提高数据消费者的利润在预算限制。我们正式表明,所提出的机制实现了这些属性,并通过实验验证。
2022-06-22 cs.GT
Learning in Multi-Objective Public Goods Games with Non-Linear Utilities
University of Groningen(格罗宁根大学);University of Amsterdam(阿姆斯特丹大学);University of Galway(戈尔韦大学);Utrecht University(乌得勒支大学);Vrije Universiteit Brussels(布鲁塞尔自由大学)
本文提出多目标公共物品博弈框架,引入参数化非线性效用函数建模智能体风险偏好,并揭示个体偏好与环境不确定性如何共同决定合作或竞争模式的出现。
2024-08-01 cs.AI cs.GT cs.MA
Approximately Maximizing the Broker's Profit in a Two-sided Market
我们研究如何在双边市场中最大化经纪人的(预期)利润,在那里她从一组卖家那里购买商品并将其转售给一组买家。每个卖家都有一个单独的物品出售,并对她的物品持有私人价值,每个买家都有一个对卖家物品捆绑的估价函数。我们认为贝叶斯设置代理的值是独立地从先验分布,并旨在设计显性策略激励兼容(DSIC)的机制,是近似最优的。在生产成本市场中,每种商品的生产成本都是公知的,这为我们研究双边市场提供了一个平台。简单地说,我们展示了如何将生产成本市场的机制转换为经纪人的机制,只要前者满足成本单调性。即使当购买者具有一般的组合估价函数时,这种减少也成立。当买方的估价是可加的,我们推广了现有的机制,以近似保持的方式生产成本市场。然后,我们表明,由此产生的机制是成本单调的,因此可以转换为双边市场的8近似机制。
2019-05-22 cs.GT
Is Your LLM Overcharging You? Tokenization, Transparency, and Incentives
Ander Artola Velasco(1. 阿德纳·阿尔托拉·韦拉斯科);Stratis Tsirtsis(2. 斯特拉蒂斯·蒂尔蒂斯);Nastaran Okati(3. 纳斯塔兰·奥卡蒂)
研究当前按token计费机制下,服务提供商可能通过策略性报告token数量来过度收费,并提出按字符线性定价的激励相容机制以消除该财务激励。
2026-05-28 cs.AI cs.CY cs.GT
SOCIALMAPF: Optimal and Efficient Multi-Agent Path Finding with Strategic Agents for Social Navigation
我们提出了一个扩展的MAPF制定,称为SocialMAPF,占私人激励的代理人在受限的环境,如门口,狭窄的走廊,走廊交叉口。例如,SocialMAPF能够准确地推理出一个代理人赶往医院的紧急激励,而不是另一个代理人去杂货店的不那么紧急的激励; MAPF忽略了这种代理人特定的激励。我们提出的配方解决了开放的问题,最佳和有效的路径规划与私人激励代理。为了解决SocialMAPF,我们提出了一类新的算法,在冲突解决过程中使用机制设计,同时优化代理的私人本地公用事业和全球系统的目标。我们进行了大量的实验表明,最佳的基于搜索的MAPF技术导致碰撞和增加的时间到目标的SocialMAPF相比,我们提出的方法使用机制设计。此外,我们的经验表明,机制设计的模型,最大限度地提高代理效用和最大限度地减少整个系统的整体时间到目标。我们进一步展示了机制设计为基础的规划的能力,成功地将其部署在环境中的静态障碍。最后,我们简要地列出了几个研究方向,使用SocialMAPF制定,如探索运动规划在连续域的代理与私人激励。
2022-10-15 cs.AI cs.GT cs.MA
A Truthful Multiunit Profit-Optimal Mechanism for Synthesizing Social Laws
Nanjing University of Finance and Economics(南京财经大学);Nanjing University(南京大学)
本文研究了在战略多智能体环境中作为新多单位机制设计问题的社会法律合成(SLS)。基于交替时间时序逻辑(ATL)将SLS建模为贝叶斯单参数采购拍卖,并旨在设计一个诚实、个体理性且利润最优的机制。我们首先证明了一个表示引理,表明任何尊重交替仿射的估值都可以用ATL公式特征集紧凑地表达。然后将支付确定减少到分配确定,以多项式时间解决多单位设置中固有的不规则支付问题。我们进一步表明分配确定是$FP^{NP}$-完全的,并将ATL语义编码为整数线性规划(ILP)约束,使问题能够用标准求解器处理。基于这些结果,我们提出了$\mathcal{PO ext{-}ASL}$机制,该机制是激励相容的、个体理性的,并最大化预期利润。理论保证和示例证实,我们的方法为在战略智能体行为下合成最优社会法律提供了有效且计算可行的解决方案。
2026-05-16 cs.GT
Exploiting Weak Supermodularity for Coalition-Proof Mechanisms
在激励相容的Vickrey-Clarke-Groves机制下,参与者的联盟可以影响拍卖结果以获得更高的集体利润。当且仅当市场目标是超模块化时,这些操纵被证明是可以消除的。然而,一些拍卖不满足超模块化的严格条件。这些拍卖包括电力市场,这是我们研究的主要动机。为了刻画非超模函数,我们引入了超模比和弱超模性。我们发现,这些概念为我们提供了严格的界限上的利润勾结和托投标。然后,我们推导出一个分析下界的超模块比。基于IEEE测试系统的案例研究验证了我们的研究结果。
2018-11-23 cs.GT math.OC
Optimal Prizes for All-Pay Contests in Heterogeneous Crowdsourcing
激励措施是众包成功的关键,而众包在很大程度上取决于用户的参与程度。本文设计了一种激励机制,以激励异构人群的用户积极参与众包活动。我们投在一个新的,不对称的全付费竞赛模型与不完全信息的问题,其中任意n个用户施加不可撤销的努力,以竞争一个奖元组。奖励元组是奖励函数的数组,与传统竞赛通常使用的单个恒定奖励相反。我们设计了一个最优的比赛,(a)诱导最大的利润-总用户的努力减去奖金支付-为众包,和(b)确保用户严格有动机参与。与直觉和先前的相关工作形成鲜明对比的是,我们的机制诱导了一种平衡,在这种平衡中,异质用户的行为彼此独立,就好像他们处于同质环境中一样。这个新发现的属性,我们硬币作为战略自治(SA),是具有实际意义的:它(a)减少计算和存储的复杂性,由n倍的每个用户,(b)增加众包的收入,通过抵消努力保留效果存在于不对称的比赛,(c)中和(几乎普遍)的边际收益递减(DMR)的法律。通过广泛的数值案例研究,我们展示和审查我们的机制的优越的盈利能力,以及绘制洞察SA属性。
2018-12-12 cs.GT cs.MA
Toward Resilient Airdrop Mechanisms: Empirical Measurement of Hunter Profits and Airdrop Game Theory Modeling
针对空投中的 Sybil 攻击,本文实证分析 Hop Protocol 与 LayerZero 交易数据以识别攻击模式并估算猎人利润,并构建多方博弈模型提出兼顾检测效果与成本的最优激励机制。
2025-03-18 cs.GT
Incentive Mechanism Design for Joint Resource Allocation in Blockchain-based Federated Learning
Indiana University-Purdue University Indianapolis(印第安纳大学-普渡大学印第安纳波利斯分校);Bowling Green State University(鲍灵格林州立大学);Shandong University(山东大学)
基于区块链的联邦学习(BCFL)最近因其去中心化和原始数据的隐私保护等优点而受到极大关注。然而,一直很少有研究集中在BCFL的客户资源分配。在BCFL框架中,FL客户端和区块链矿工是相同的设备,客户端将训练好的模型更新广播到区块链网络,然后执行挖掘以生成新的区块。由于每个客户端具有有限的计算资源,因此需要仔细解决将计算资源分配到训练和挖掘中的问题。在本文中,我们设计了一个激励机制,分配给每个客户端适当的奖励的训练和挖掘,然后客户端将确定的计算能力分配给每个子任务的基础上,这些奖励使用两阶段Stackelberg游戏。在分析模型所有者(MO)的效用之后(即,BCFL任务发布者)和客户端的博弈模型,将博弈模型转化为两个优化问题,依次求解,得到MO和客户端的最优策略。此外,考虑到每个客户端的本地培训相关信息可能不被其他人知道的事实,我们扩展了具有不完全信息场景的解析解的博弈模型。大量的实验结果证明了我们提出的方案的有效性。
2022-02-18 cs.CR cs.GT cs.LG
RewardRating: A Mechanism Design Approach to Improve Rating Systems
如今,评级系统在吸引不同服务的客户方面发挥着至关重要的作用。然而,由于很难检测到虚假评级,攻击者可能会不公平地影响评级的总得分。这种恶意行为可能会对用户和企业产生负面影响。为了克服这个问题,我们采取了一种机制设计的方法来增加虚假评级的成本,同时为诚实评级提供激励。我们提出的机制\textit{RewardRating}的灵感来自股票市场模型,在该模型中,用户可以投资于他们对服务的评级,并根据未来的评级获得奖励。首先,我们正式建模的问题,并讨论了平衡和激励兼容性规范。然后,我们建议一个利润分享计划,以满足评级系统的要求。最后,我们分析了我们提出的机制的性能。
2021-01-26 cs.GT
Competition and Cooperation Analysis for Data Sponsored Market: A Network Effects Model
数据赞助方案允许内容提供方为移动用户支付部分蜂窝数据费用。因此,内容服务变得对更多用户有吸引力,并且潜在地为内容提供方产生更多利润。在本文中,我们考虑一个赞助数据市场与垄断的网络服务提供商,一个单一的内容提供方,和多个用户。特别是,我们建模的三个实体的互动作为一个两阶段的Stackelberg游戏,其中的服务提供商和内容提供方作为领导者确定的定价和赞助策略,分别在第一阶段,和用户作为追随者决定他们的数据需求在第二阶段。我们研究了服务提供商和内容提供方在两种情况下的相互作用:(i)竞争的情况下,内容提供方和服务提供商分别优化他们的策略和竞争,每个都旨在最大化的利润和收入,分别;和(ii)合作的情况下,两个提供商联合优化他们的策略,以最大化他们的总利润为目的。我们分析了这两种情况下的子博弈完美均衡。通过大量的模拟,我们证明了网络效应显著提高了这个市场中三个实体的收益,即,用户的效用、内容提供方的利润和服务提供商的收入。此外,据透露,两家供应商的合作是三家实体的最佳选择。
2017-11-03 cs.GT
Credit Fairness: Online Fairness In Shared Resource Pools
University of Waterloo(滑铁卢大学);University of Virginia(弗吉尼亚大学)
本文提出了一种信用公平且帕累托高效的资源分配机制,以减少资源分配中的不平等。
2026-08-18 cs.AI cs.GT cs.OS
Eliciting Private User Information for Residential Demand Response
住宅需求响应已成为缓解电力供需不平衡的可行工具,特别是在电网因供应短缺而紧张的时候。需求响应供应商通过要求他们的客户根据合同暂时减少他们的消费以换取货币激励来向批发电力市场投标减少容量。为了有助于分析消费者的行为,在这样的激励措施,本文制定了需求响应作为一个机制设计问题,在需求响应提供商elaborate私人信息的理性,利润最大化的客户获得积极的预期效用,通过参与减少事件。通过设计一个激励兼容和个体理性的机制来收集用户的需求价格弹性,需求响应提供商可以针对最敏感的用户进行激励。我们通过比较物质化的消耗量与预计的消耗量来衡量减少量,我们将其建模为“10-in-10”基线,这是加州独立系统运营商制定的监管标准。由于该基线的次优性能,我们表明,使用消费数据的住宅客户在加利福尼亚州,需求响应提供商收到付款的“虚拟减少”,这是由于基线的不准确性,而不是实际的减少。提高基线的准确性会减少这些虚拟减少的贡献。
2017-09-03 cs.GT
Profit Reallocation Mechanisms in Tree-based Data Trading
CFCS, School of Computer Science, Peking University(北京大学计算机科学与技术学院前沿计算研究中心);School of Economics, Peking University(北京大学经济学院);Department of Computer Science and Technology, Tsinghua University(清华大学计算机科学与技术系)
针对可复制数据导致的树状交易市场中上游卖方激励不足问题,提出预算可行利润再分配机制框架,证明其可扩大交易并改善社会福利,并给出高效均衡计算算法。
2026-09-30 cs.GT
A Collaborative Mechanism for Crowdsourcing Prediction Problems
University of California at Berkeley(加州大学伯克利分校)
机器学习竞赛,如Netflix Prize,作为一种“众包”预测任务的方法,已经证明是相当成功的。但这些竞争也有一些弱点,特别是在它们为参与者创造的激励结构方面。我们提出了一种新的方法,称为众包学习机制,参与者合作“学习”一个给定的预测任务的假设。这种方法在很大程度上借鉴了预测市场的概念,即交易员对未来事件的可能性进行押注。在我们的框架中,该机制继续发布当前的假设,参与者可以通过对更新下注来修改此假设。关键的激励属性是,参与者将根据其更新在发布的测试集上提高性能的程度获得一定的收益。
2011-11-11 cs.GT cs.LG
NFT Games: an Empirical Look into the Play-to-Earn Model
George Mason University(乔治梅森大学);Virginia Commonwealth University(弗吉尼亚联邦大学)
本研究通过实证分析NFT游戏,探讨了Play-to-Earn模型的实际效果,并基于博弈论提出改进激励机制的方法。
2026-02-14 cs.CE cs.GT