Bayesian Mechanism Design for Budget-Constrained Agents
我们研究贝叶斯机制设计问题的代理人有预算的设置。具体地说，一个代理人对一个结果的效用是由他对该结果的价值减去他对该机制的任何支付给出的，只要支付低于他的预算，否则是负无穷大。效用函数的这种不连续性对设计良好的机制提出了重大挑战，经典的“无约束”机制在有预算的情况下无法发挥作用。本文的目标是开发一般的减少从无约束贝叶斯MD无约束贝叶斯MD的性能损失很小。我们认为这个问题的背景下，在机制设计-社会福利和收入-两个最好的研究目标，并提出常数因子近似在一些设置。我们的一些研究结果延伸到预算是私人的，需要激励代理人如实披露预算的情况。
2011-03-31 cs.GT
Collusion-proof And Sybil-proof Reward Mechanisms For Query Incentive Networks
本文探讨了一个查询激励网络的奖励机制，在该网络中，智能体从社交网络中寻找信息。在任务所有者发布的查询树中，每个Agent都因对解决方案的贡献而受到所有者的奖励，例如解决任务或邀请其他人解决任务。奖励机制决定了每个Agent的奖励，并激励所有Agent如实传播和报告他们的信息。特别是，奖励不能超过任务所有者设定的预算。然而，我们的不可能性结果表明，奖励机制不能同时实现Sybil-proof（代理人从操纵多个假身份中受益），串通证明（多个代理人假装为单个代理人以提高奖励）和其他基本属性。为了解决这些问题，我们提出了两个新的奖励机制。第一种机制分别实现了防Sybil和防共谋;第二种机制牺牲了防Sybil的功能，实现了防Sybil和防共谋的近似版本。此外，我们的实验表明，我们的第二个奖励机制优于现有的。
2023-02-13 cs.GT
Sharing a Reward Based on Peer Evaluations
我们研究一个问题，一组代理人必须决定如何在他们之间共享一些固定值。我们感兴趣的设置，其中每个代理接收的份额是基于该代理是如何由该组的其他成员进行评估，高度重视的代理接收较大的份额相比，不被看好的代理。我们引入两种机制来确定代理商的份额：同行评估机制，其中每个代理商给出了一个直接的评价，为每一个其他成员的组，和同行预测机制，其中每个代理商被要求报告他们认为如何组成员将评估一个特定的代理商。共享基于所提供的信息。虽然这两种机制各自都是理性的，但第一种机制是防策略的和不平衡的，但它可能倾向于共谋。此外，第二种机制是抵制共谋和激励相容的。
2013-06-03 cs.GT
Nearly Complete Characterization of 2-Agent Deterministic Strategyproof Mechanisms for Single Facility Location in $L_p$ Space
School of Computer Science, Fudan University（复旦大学计算机科学技术学院）
本文在 $L_p$ 空间中刻画了2个智能体确定性策略证明单设施选址机制，证明输出满足特定方程，并揭示了旋转不变性与独裁性等价，以及匿名机制的三种形式。
2026-09-28 cs.GT
Distributed Mechanism Design with Learning Guarantees
完全策略代理的机制设计通常假设系统代理之间的通信具有广播性质。此外，对于机制设计，纳什均衡（NE）的稳定性证明了特定的预先设计的学习动力学的收敛，而不是为一类学习动力学。在本文中，我们考虑两个常见的资源分配问题：共享$ K $无限可分的资源之间的战略代理人的私人消费（私人物品），并确定一个无限可分的公共产品与$ P $功能，这是战略代理人之间共享的水平。对于这两种情况下，我们提出了一个分布式的机制，一组代理谁通过一个给定的网络进行通信。在分布式机制中，代理的消息不像在标准机制设计框架中那样被广播到所有其他代理，而是仅在每个代理的局部邻域中交换。所提出的机制产生了一个独特的经济实体，充分实现了社会福利的最大化配置。此外，这些机制在NE处是不平衡的。它还表明，该机制诱导的游戏与收缩的最佳反应，保证收敛的自适应最佳反应动态类内的所有学习动态，包括动态，如古诺最佳反应，$ k- $期间最佳反应和Fictionary Play。我们还提出了一个数值研究的收敛下重复播放，各种通信图和学习动态。
2017-04-04 cs.GT
Trust-Based Mechanisms for Robust and Efficient Task Allocation in the Presence of Execution Uncertainty
Vickrey-Clarke-Groves（VCG）机制通常用于将任务分配给自私和理性的代理。VCG机制是激励兼容的直接机制，是有效的（即，最大化社会效用）和个人理性（即，代理人更愿意加入而不是选择退出）。然而，这些机制的一个重要假设是，代理将“总是”成功地完成其分配的任务。显然，这种假设在许多现实世界的应用中是不现实的，在这些应用中，代理人可能而且经常会失败。此外，代理是否被认为已经失败可能被不同的代理不同地感知。这种关于代理在给定任务中成功的概率的主观感知通常被捕获并推理为使用“信任”的概念。在这种背景下，在本文中，我们研究了新的机制，考虑到代理之间的信任分配任务时的设计。具体来说，我们开发了一类新的机制，称为“基于信任的机制”，它可以考虑到多个主观的措施，成功的代理在一个给定的任务的概率，并产生分配，最大限度地提高社会效用，同时确保没有代理获得负效用。然后，我们表明，这样的机制提出了一个具有挑战性的新的组合优化问题（即NP完全），设计了一种新的表示来解决这个问题，并开发了一个有效的整数规划解决方案（可以在40秒内解决约2x10^5个可能的分配）。
2014-01-15 cs.GT
The (Non)-Existence of Stable Mechanisms in Incomplete Information Environments
我们考虑双边匹配市场，并研究代理人的动机，以规避一个集中的清算所签署具有约束力的合同。众所周知，如果交换所实现稳定的匹配，并且偏好是已知的，那么没有一组代理人可以以这种方式获利偏离。我们问，即使代理人有关于自己的偏好或他人的偏好不完整的信息，这个属性是否成立。我们发现它没有。特别是，当代理人不确定其他人的偏好时，每个机制都容易受到代理人群体的偏差。此外，当代理人对自己的偏好不确定时，每种机制都容易出现偏差，其中一对代理人事先同意相互匹配。
2015-04-13 cs.GT
An End-to-end Argument in Mechanism Design (Prior-independent Auctions for Budgeted Agents)
本文考虑先验独立的机制设计，即确定一个单一的机制，具有接近最优性能的每个先验分布。我们发现，具有说真话均衡的机制，启示机制，并不总是给最优的先验独立的机制，我们定义的启示差距量化的启示机制的非最优性。这项研究表明，重要的是要发展一个理论设计的非启示机制。我们的分析集中在福利最大化的单项目拍卖的代理人的预算和自然规律性的假设，他们的价值分布。全付费拍卖（一种非揭示机制）是贝叶斯最优机制;由于它是先验独立的，因此它也是先验独立的最优机制（1-近似）。我们证明了一个下界的先验独立近似的启示机制的1.013和成交拍卖（启示机制）是一个先验独立的$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
Price of Anarchy for Mechanisms with Risk-Averse Agents
我们研究了在风险厌恶代理人存在的情况下无政府机制的无政府代价。以前的工作主要集中在代理商与准线性公用事业，可能与预算。我们的模型将其作为一种特殊情况，但也捕捉到代理人可能对付款不那么敏感，而不是在风险中性模型中。我们发现，许多积极的价格的无政府状态的结果证明在平滑框架继续持有在更一般的风险厌恶设置。一个充分条件是，代理人永远不会结束后，发挥非劣策略负拟线性效用。这是真的，例如，第一价格和第二价格拍卖。对于全付拍卖，类似的结果不成立：我们表明，有任意坏的社会福利相比，最佳的贝叶斯-纳什均衡。
2018-04-25 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
Sequential Information Elicitation in Multi-Agent Systems
我们介绍了策略多智能体系统中的顺序信息获取的研究。在一个信息获取系统中，一个中心试图根据一组代理可以访问的私有信息（a-k-a秘密）来计算一个函数的值。我们考虑经典的多方计算设置，其中每个代理都有兴趣知道函数的结果。然而，在我们的设置中，每个代理都是战略性的，并且由于获取信息是昂贵的，代理可能会受到诱惑而不花费获得信息的努力，搭便车其他代理的计算。一种机制，它可以泄露代理的秘密，并执行所需的计算，定义了一个游戏。一个机制是“适当的”，如果存在一个平衡，它是能够引起（足够多）代理的秘密和执行的计算，为所有可能的秘密vectors.We特征的一般有效的程序，以确定一个适当的机制，如果这样的机制存在。此外，我们还解决了存在性问题，提供了一个多项式算法来验证存在一个适当的机制。
2012-07-11 cs.GT
A Strategy-proof Mechanism For Networked Housing Markets
本文研究了网络化住房市场中的房屋分配问题，其中代理人可以邀请其他人加入系统，以丰富他们的选择。顶级交易周期是一种著名的匹配机制，它可以在没有邀请的情况下在市场中获得一组理想的属性。然而，在一个树状结构的网络化市场，现有的代理商必须战略性地宣传易货市场，因为他们的受邀者可能与他们在同一个房子里竞争。我们的不可能性的结果表明，TTC不能正常工作，在一个网络化的住房市场。因此，我们描述了邀请者和被邀请者之间可能的竞争，这导致代理商无法如实地介绍他人（防策略）。然后，我们提出了一种新的机制，基于TTC，避免上述竞争，以确保所有代理人报告的偏好，并如实宣传易货市场。与现有的机制不同，在我们的机制下，代理人的偏好受到较少的限制。此外，我们通过模拟表明，我们的机制优于现有的匹配机制的交换和代理的满意度方面的数量。
2023-03-20 cs.GT
Strategyproof Mechanisms for One-Dimensional Hybrid and Obnoxious Facility Location
我们考虑的设施选址问题的一个战略变种。我们想在封闭的时间间隔内找到一个设施。有n个代理位于该间隔上，分为两种类型：类型1代理，希望设施尽可能远离他们，类型2代理，希望设施尽可能靠近他们。我们的目标是最大化一种形式的社会效益：maxisum-代理人效用的总和，或平等主义目标-最小代理人效用。这个问题的战略方面是，代理人的位置不为我们所知，而是由代理人报告给我们-代理人可能会误报他的位置，试图将设施从他的真实位置移开或移向他的真实位置。因此，我们要求设施定位机制是防策略的，即如实报告是每个代理的主导策略。由于简单地最大化社会效益通常不是防策略的，我们的目标是设计具有良好近似比的防策略机制。对于最大化目标，在确定性设置中，我们提供了一个最佳可能的3-近似防策略机制;在随机设置中，我们提供了一个23/13-近似防策略机制和\frac{2}{\sqrt{3}}的下界。对于平等主义的目标，我们提供了一个下限为3/2的随机设置，并表明，没有有界的近似比是在确定性的设置。为了获得我们的确定性下界，我们描述了所有确定性的strategyproof机制时，所有代理的类型1。最后，我们考虑了一个广义模型，允许代理控制多个位置，并提供最好的可能的3-和3/2-近似strategyproof机制maxisum，分别在确定性和随机设置，当只有1型代理。
2015-07-17 cs.GT
Multi-Agent Contract Design beyond Binary Actions
本文研究多智能体隐藏行动问题，提出确定性机制和随机化机制两类合同设计方法，将单智能体合同自然扩展到任意行动和任意结果分布的一般设定。
2024-02-21 cs.GT
Mechanism Design with Exchangeable Allocations
我们研究了当代理人有不同类型的偏好时，无报酬的机制设计。相反，在大多数设置在文献中的代理人有相同的偏好，例如，在设施的位置游戏中，所有的代理人都想留在靠近（或远离）的设施，我们证明了机制设计的限制，当代理人有不同的偏好，通过引入交换阶段。我们考虑两种类型的交换阶段。第一种模式称为中央交换，其中交换由中央机构执行。另一种模式被称为个体交换，其中代理人自己交换他们的结果。以设施选址博弈为例，我们提供了一个真实的机制，优化社会福利在中央交换。我们还提供了一个普遍真实的随机机制，在个人交换中实现至少一半的最优社会福利。
2016-09-15 cs.GT
Non-Obvious Manipulability for Single-Parameter Agents and Bilateral Trade
该研究提出基于循环单调性的NOM机制设计技术，刻画了单参数场景下的机制特征，并在双边贸易中证明了补贴需求的鲜明二分性，还给出了满足个体理性且无补贴的NOM机制刻画。
2023-12-13 cs.GT
Who to Trust for Truthfully Maximizing Welfare?
我们引入了一个一般的方法，基于\emph{selective verification}和获得近似的机制，没有金钱的效用投票的一般域中的社会福利最大化。考虑到良好的分配，具有验证的机制选择少数关键代理，并使用验证预言机检测它们是否如实报告。如果是，则该机制产生期望的分配。否则，该机制忽略任何误报并继续处理剩余的代理。我们获得了随机真实（或几乎真实）的机制，没有钱，验证只有$O(\ln m / ε)$代理，其中$m$是结果的数量，独立于代理的总数，并且是$(1-ε)$ -近似的社会福利。我们还表明，任何真实的机制与恒定的近似比需要验证$Ω(\log m)$代理。我们的机制的一个显著特性是\emph{robustness}，也就是说，它们的结果只取决于诚实的代理人的报告。
2015-07-08 cs.GT
Privacy-Aware Mechanism Design
在传统的机制设计中，代理人只关心他们从机制的结果中获得的效用。我们看一个更丰富的模型，代理也分配非负的非实用性的信息，他们的私有类型泄漏的机制的结果。我们提出了一个新的模型，隐私意识的机制设计，我们只假设一个上限的代理商的损失，由于泄漏，而不是以前的工作，其中需要一个完整的表征损失。在这个模型中，在一个温和的假设下，代理人如何重视他们的隐私分布，我们展示了一个通用的隐私感知机制的建设，并证明其适用于电子投票和数字商品的定价。
2012-02-14 cs.GT
Undominated Groves Mechanisms
Groves机制家族，包括著名的VCG机制（也称为Clarke机制），是一个高效且防策略的机制家族。不幸的是，格罗夫斯机制的预算一般不平衡。也就是说，在这种机制下，付款可能流入或流出代理人的系统，导致代理人的赤字或效用减少。我们考虑以下问题：在家庭的格罗夫斯机制，我们要确定的机制，使代理商的最高效用的约束下，这些机制必须永远不会产生赤字。我们采用无优先权的方法。我们介绍了两个一般的措施，在无先验设置的机制进行比较。我们称一个非亏损Groves机制$M$ {\em单独支配}另一个非亏损Groves机制$M'$，如果对于每个类型轮廓，每个主体在$M$下的效用不小于在$M'$下的效用，并且这对至少一个类型轮廓和一个主体严格不等成立.我们称一个非亏损Groves机制$M$ {\em集体支配}另一个非亏损Groves机制$M'$，如果对于每一个类型轮廓，在$M$下的总效用不小于在$M'$下的总效用，并且至少对一个类型轮廓严格不等.上述定义导出了非亏损Groves机制的两个偏序。我们研究了这两个偏序对应的最大元，我们称之为{\em单独非支配}机制和{\em集体非支配}机制，分别。
2013-01-04 cs.GT
A Near-Optimal Mechanism for Impartial Selection
我们研究了防策略选举，以在一组代理中选择一个赢家，每个代理都只关心获胜。这个公平的选择问题是由Holzman和Moulin和Alon等人独立提出的。Fisher和Klimm证明了置换机制是公平的和$1/2$ -最优的，也就是说，它选择一个代理人谁的收益，在预期中，至少一半的票数最流行的代理人。此外，他们还表明，如果代理人不能在选举中弃权，则该机制是$7/12$ -最优的。我们表明，一个更好的保证是可能的，提供最流行的代理人收到至少足够大，但恒定的票数。具体来说，我们证明，对于任何$ε>0$，有一个常数$N_ε$（独立于$n$的选民人数），这样，如果最流行的代理的最大票数至少是$N_ε$，那么置换机制是$(\frac{3}{4}-ε)$最优的。这个结果是紧的。此外，在我们的主要结果中，我们证明了近似最优的公正机制存在。特别地，存在对于任何$ε>0$都是$(1-ε)$最优的公正机制，只要最流行的代理的最大投票数至少是常数$M_ε$。
2014-07-31 cs.GT
Approximately Optimal Mechanisms for Strategyproof Facility Location: Minimizing $L_p$ Norm of Costs
我们考虑的问题，定位一个单一的设施上的真正的线。该设施服务于一组代理，每个代理位于线路上，并产生与他到设施的距离相等的成本。特工的位置是只有他自己知道的私人信息。代理将他们的位置报告给中央规划者，后者决定将设施定位在哪里。规划者的目标是最小化一个“社会”成本函数，取决于代理成本。然而，代理人可能不会如实报告;为了解决这个问题，计划者必须将自己限制在{ \em strategyproof}机制中，其中如实报告是每个代理人的主导策略。简单地选择最优解的机制通常不是防策略的，因此规划者希望使用有效地{ \em逼近}其目标函数的机制。在我们的论文中，我们研究了上述问题的社会成本函数是代理成本向量的$L_p$范数。我们发现，中位数机制（这是已知的防策略）提供了一个$2^{1-\frac{1}{p}}$近似比，这是所有确定性的防策略机制之间的最佳近似比。对于随机机制，我们提出了两个结果。首先，我们提出了一个负面的结果：我们表明，整数$\infty>p>2$，没有机制--从一个相当大的类随机机制--有一个近似比中位数机制。这与$p=2$和$p=\infty$的情况相反，其中随机化机制可证明有助于提高最差情况近似比。其次，对于2代理的情况下，我们表明，一种机制称为LRM，首先由Procaccia和Tennenholtz设计的特殊情况下的$L_{\infty}$，提供了最佳的逼近比之间的所有随机机制…
2014-09-16 cs.GT
Facility Assignment with Fair Cost Sharing: Equilibrium and Mechanism Design
本文研究公平成本分摊的一维设施分配问题，分别在设施选择和位置上报两个博弈场景下，证明纯纳什均衡可多项式时间求解，得出策略防护匿名机制的社会成本近似比无界的结论，并找到一类满足一致性与匿名性的非平凡策略防护机制。
2024-04-13 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
Truthful and Almost Envy-Free Mechanism of Allocating Indivisible Goods: the Power of Randomness
Shanghai Jiao Tong University（上海交通大学）
本文提出了一种随机机制，用于在保证公平性和效率的前提下分配不可分割物品，针对不同数量的代理人设计了不同的诚实机制，实现了EF1和帕累托最优。
2025-12-05 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
Obnoxious Facility Location Problems: Strategyproof Mechanisms Optimizing $L_p$-Aggregated Utilities and Costs
University of Nebraska-Lincoln（内布拉斯加大学林肯分校）；Rensselaer Polytechnic Institute（伦斯勒理工学院）；Beijing Normal University-Zhuhai（北京师范大学珠海校区）
本文研究了如何通过策略证明机制优化L_p-聚合效用和成本的令人反感设施选址问题，分析了确定性和随机性机制的近似比界限。
2025-12-21 cs.GT
Sybil-proof Answer Querying Mechanism
我们研究了一个社会网络上的问答问题，请求者从网络上的代理中寻求答案。我们的目标是设计奖励机制，激励代理传播请求者的查询，如果他们没有答案的邻居。现有机制易受Sybil攻击，即，代理可以通过创建假身份来获得更多的奖励。因此，我们打击这个问题，首先证明一些不可能的结果，以解决Sybil攻击，然后描述一类机制，满足Sybil证明（防止Sybil攻击）以及其他理想的属性。除了防Sybil问题，我们还考虑了请求者和代理人合谋的成本最小化问题。
2020-05-27 cs.GT
Referral-Embedded Provision Point Mechanisms for Crowdfunding of Public Projects
公民众筹正在成为动员公民为公共项目提供资金的一种流行手段。在公民众筹平台上部署的流行机制是供应点机制，其中，总贡献必须达到预定阈值以便供应（承担）项目。这样的机制可能有多重均衡;不幸的是，在许多这样的均衡中，项目没有得到资助，即使它在代理人中的价值很高。最近的工作提出了具有退款奖金的机制，如果项目的净值高于意识到众筹努力的代理人的阈值，则该项目在平衡中获得资助。在本文中，我们正式的社会可取性的公共项目的概念，并提出了机制，使用的想法，转介，以扩大参与者的游泳池，并实现一个平衡，该项目得到资助，如果其净值超过整个代理人口的阈值。我们称这种新的机制为引用嵌入式供应点机制（REPPM）。我们特别提出了两种变体的REPPM和这两种机制具有显着的属性，在均衡，推荐奖金提供，但没有必要实际支付这些奖金。我们建立了任何给定的代理人的均衡策略是指其他代理人，并按比例的代理人的真实价值的项目。事实上，一个代理人通过让其他人做出贡献，可以减少他的均衡贡献。我们认为，拟议的机制将导致在公民众筹平台上资助的项目数量增加。
2016-10-06 cs.GT
The revelation principle fails when the format of each agent's strategy is an action
在机制设计理论中，设计者希望实现一个社会选择函数，该函数为代理人的私有类型的每个可能简档指定她最喜欢的结果。揭示原理认为，如果一个社会选择功能可以通过一个处于均衡状态的机制来实现，那么就存在一个能够真实地实现它的直接机制。我们指出，在任何游戏中，每个代理的策略的格式是一个信息的消息或一个现实的行动，和行动的格式是非常常见的，在许多实际情况下。主要结果是：对于任何给定的社会选择函数，如果实现它的机制具有行动形式策略，则“\emph{honest and obedient}“将不再是直接机制的贝叶斯纳什均衡，实际上社会选择函数只能由直接机制在贝叶斯纳什均衡中“\emph{dishonestly and disobediently}“实现。因此，当每一个行动者的策略都是一种行动时，揭示原理就失效了。
2020-12-08 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
A Mechanism for Fair Distribution of Resources without Payments
我们设计了一个机制，公平和有效的资源分配（FEDOR）的存在的战略代理。我们考虑一个多实例，贝叶斯设置，其中在每一轮的代理的资源集的偏好是一个私人信息。我们假设在r轮中的每一轮中，n个代理人都在竞争k个不相同的不可分商品，（n > k）。在每一轮中，战略代理人宣布他们在特定回合中收到任何货物的价值。宣布最高估价的代理人收到最高价值的商品，第二高估价的代理人收到第二高价值的商品，等等。因此，我们假设一个决策函数，根据他们的估价将商品分配给代理人。该机制的新颖之处在于，不需要支付计划，以实现真实性的设置与理性/战略代理。FEDOR机制利用了框架的重复性，通过统计检验，能够惩罚误报代理人，公平，真实，具有社会效率。FEDoR是公平的，因为预计在轮的过程中，所有代理人将以相同的次数收到相同的商品。FEDOR是需要随着时间的推移公平分配资源的应用程序的合格候选人。例如，通过同一接入点的节点的相等带宽份额。但更进一步，FEDOR可以应用于不那么琐碎的设置，如赞助搜索，其中付费是必要的，可以以固定参与费的形式提供。在这种程度上，我们进行了比较与传统的机制应用于赞助商的搜索，提出了FEDOR的优势。
2016-04-27 cs.GT
Dynamic Mechanism Design with Interdependent Valuations
研究了一个具有相互依赖赋值的无限时域动态机制设计问题。在这种设置中，每个代理的类型被假定为根据一阶马尔可夫过程进行演变，并且独立于其他代理的类型。然而，一个代理人的估价可以依赖于其他代理人的类型，这使得问题落入一个相互依赖的估价设置。设计真实的机制，在这种情况下是不平凡的不可能的结果，即相互依赖的估值，任何有效的和事后激励兼容的机制必须是一个恒定的机制，即使在静态设置。Mezzetti（2004）通过将分配和支付决策分为两个阶段来规避这个问题。然而，Mezzetti的结果仅限于一个静态的设置，而且在该机制的第二阶段，代理人对如实报告他们的估值是微弱的漠不关心。本文提供了第一次尝试设计一个动态机制，这是有效的，“严格”的事后激励兼容和事后个人理性的设置与相互依存的价值观和马尔可夫型进化。
2015-06-25 cs.GT
Natural Language Mechanisms via Self-Resolution with Foundation Models
针对传统机制限制智能体报告格式的问题，提出基于自然语言的新型机制，利用大语言模型的世界建模能力选结果、分收益，明确其激励相容与高效的充分条件，验证其在预测市场失效场景下的信息聚合能力。
2024-07-10 cs.GT
Online Information Acquisition: Hiring Multiple Agents
本文研究多智能体 costly information 获取的机制设计，提出多项式时间最优激励相容机制，并在未知智能体在线交互中给出达到 \widetilde{\mathcal{O}}(T^{2/3}) 遗憾的无悔算法。
2023-07-12 cs.GT
Mechanism Design for Collaborative Normal Mean Estimation
研究协作正态均值估计中的策略型智能体数据收集与共享问题，提出一种通过数据破坏和极小极大最优估计器实现纳什激励相容的机制，其社会惩罚最多为全局最小值的2倍，并在受限策略空间下基本达到全局最优。
2023-11-21 cs.GT
Efficiency and Budget Balance in General Quasi-linear Domains
我们研究效率和预算平衡设计机制在一般准线性域。Green和Laffont（1979）证明了一个人不可能同时做到这两点。我们认为，战略的安全性的平衡机制，近似有效。对于确定性的机制，我们表明，一个strategyproof和不确定性平衡的机制必须有一个水槽代理，其估值功能被忽略，在选择一个替代品，她是补偿与其他代理人的付款。我们假设代理人的估值来自一个有界的开区间。利用这一结果，我们发现一个严格的下界在这一领域中的strategyproof的，不平衡的机制的效率低下。该界表明，当代理人的数量很大时，无效率渐近消失-一个与Green和Laffont（1979，定理9.4）精神接近的结果。然而，我们的结果提供了最坏的情况下的界限和最好的可能的收敛速度。接下来，我们考虑最小化无效率和预算不平衡的任何凸组合。我们表明，如果估值是不受限制的，没有确定性的机制可以做得比单独最小化效率更好。最后，我们调查随机机制，并提供改进的下界预期的低效率。我们给出了一个紧下界一类有趣的strategyproof，不平衡，随机机制。我们还使用基于优化的方法-在自动化机制设计的精神-提供一个下限的任何随机机制的最低可实现的低效率。两个应用程序的实际数据的实验表明，一个简单的随机机制的效率是5- 100倍小于最坏的情况。这种相对差异随着代理人数量的增加而增加。
2017-03-07 cs.GT
Cost Sharing Public Project with Minimum Release Delay
研究可排除二元公共项目模型中通过设置不同项目发布延迟以激励支付覆盖成本的机制设计，提出单一截止期限、顺序一致及基于组的最佳截止期限机制，分别实现渐近最优和无先验下的竞争力。
2023-05-19 cs.GT
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
Quasi-Proportional Mechanisms: Prior-free Revenue Maximization
受互联网广告拍卖应用程序的启发，我们研究了通过拍卖分配一个单一的项目时，投标人把非常不同的项目价值的问题。我们制定了优先级自由拍卖的问题，并专注于设计一个简单的机制，总是分配的项目。我们设计了更好的分配方法，而不是像以前的文献那样设计复杂的定价方法。特别是，我们提出了准比例分配方法，其中一个项目被分配给投标人的概率取决于（准比例）的出价。我们证明了相应的游戏都支付和赢家支付准比例机制承认纯纳什均衡，这个均衡是唯一的。我们还给出了在多项式时间内计算该均衡的算法。此外，我们表明，拍卖人的收入是有希望的高相比，最终，即，任何投标人的最高价值，并显示边界上的收入均衡分析，以及使用实验的具体准比例函数。这是第一个已知的收益分析这些自然机制（包括比例机制的特殊情况下，这是常见的网络资源分配问题）。
2009-09-29 cs.GT
Selling an Item Among a Strategic Bidder and a Profiled Agent
针对一件物品出售给策略性投标人和画像代理的场景，设计两种机制：第一种在预测正确时获最优收益、错误时（MHR分布）实现常数近似；第二种忽略预测模拟无投标信息时的最优机制，在MHR分布下实现常数收益近似，且MHR假设必要。
2025-08-23 cs.GT
Improved Lower Bounds and Output Augmentation for Facility Location Mechanisms
Centrum Wiskunde & Informatica (CWI)（数学与计算机科学中心）；University of Amsterdam（阿姆斯特丹大学）
研究平等主义目标下战略设施选址问题，证明防策略机制近似比渐近下界，给出双代理随机近似机制；考虑输出增强框架，设计不同设置下的确定性或随机近似机制，展现输出增强可替代随机性及成组防策略特性。
2026-07-23 cs.GT
Selling to Non-linear Agents: A Demand-Based Auction
Hong Kong University of Science and Technology（香港科技大学）；Northwestern University（西北大学）；National University of Singapore（新加坡国立大学）
本文针对效用非线性的买家，提出基于需求的拍卖机制，该机制满足占优策略激励相容，收益最大化形式为第二价格，且仅观测需求曲线时为最大最小最优，同时分析了了解风险态度与预算的收益增量情况。
2026-10-23 cs.GT econ.TH
Distributed Mechanism Design for Network Resource Allocation Problems
在标准的机制设计框架中，代理的消息在中心点收集，并且分配/税收函数以集中的方式计算，即，作为所有网络代理的消息的函数。这一要求可能会导致通信和计算开销，并需要设计缓解这一瓶颈的机制。我们考虑一个场景，其中消息传输只能在本地执行，以便可以以分散的方式计算机制分配/税收功能。每个代理将消息发送到她的本地邻居，如由给定的消息交换网络所定义的，并且她的分配/税收函数仅是可用的邻居消息的函数。这种情况引起了一个新的研究问题，我们称之为“分布式机制设计“。在本文中，我们提出了两个分布式机制的网络效用最大化问题，涉及私人和公共物品与代理之间的竞争和合作。作为一个具体的例子，我们使用单播或多速率组播传输协议的网络中的速率分配问题。每个协议的建议机制完全实现了纳什均衡的最优分配，其消息空间维度相对于网络中的代理数量呈线性比例。
2019-10-07 cs.GT
Mechanism Design for Cumulative Prospect Theoretic Agents: A General Framework and the Revelation Principle
本文提出了一种讨论机制设计时，参与代理人表现出的偏好，偏离预期效用理论（EUT）。特别是，我们认为机制设计的代理建模为具有累积前景理论（CPT）的偏好，这是一个概括的EUT偏好的系统。我们指出了一些关键的修改所需的理论机制设计产生的代理CPT的偏好和一些经典的机制设计框架的缺点。特别是，我们表明，启示原则，传统上发挥了根本性的作用，在机制设计，不继续举行CPT。我们开发了一个适当的框架，我们称之为介导的机制设计，使我们能够恢复CPT代理的启示原则。最后，我们总结了未来工作的一些有趣的方向。
2021-01-21 cs.GT econ.TH
DIML: Differentiable Inverse Mechanism Learning from Behaviors of Multi-Agent Learning Trajectories
University of California, Merced（加州大学默塞德分校）
DIML通过学习多智能体行为轨迹中的非结构化机制，实现可微逆机制学习，能够在小规模和大规模环境中有效恢复激励差异并支持反事实预测。
2026-01-25 cs.AI cs.GT
Mechanism Design with Spiteful Agents
Ashoka University（阿肖卡大学）；Ben-Gurion University of the Negev（内盖夫本-古里安大学）；Tel Aviv University（特拉维夫大学）
本文研究了恶意代理在机制设计中的影响，证明了在匿名性或效率前提下，任何满足个体理性和激励相容的机制都会退化为不分配物品的空机制。
2025-11-30 cs.GT math.OC
Long-term causal effects of economic mechanisms on agent incentives
经济机制根据感兴趣的代理人自我报告的类型管理资源分配。机制设计的一个目标是设计一个防策略的过程，这样就没有代理人有动机误报其类型。然而，对机制的激励性质的典型分析是在强有力的、通常是不可检验的假设下进行的。经验性的、以数据为导向的方法充其量是发展不足的。此外，机制/政策评估方法通常忽略了多代理系统的动态特性，因此不适合估计长期影响。我们介绍了估计激励机制的因果效应的问题，并将其框架下的鲁宾因果框架\citep{rubin74, rubin78}。这提出了独特的技术挑战，因为利益的结果（代理真实性）与战略互动混淆，有趣的是，通常在任何机制下都不会被观察到。我们开发了一种方法来估计这种因果关系的影响，使用先验的基础上的战略均衡模型。在肾脏交换领域，我们展示了如何应用我们的方法来估计肾脏分配机制对医院激励的因果影响。我们的研究结果表明，使用博弈论先验捕捉肾脏交换多智能体系统的动态性质，并缩小对长期影响的估计，从而改善了典型的方法，完全忽略代理的战略行为。
2014-09-18 cs.GT stat.ME
Mechanisms for a No-Regret Agent: Beyond the Common Prior
大量的机制设计问题可以被理解为委托人和代理人之间的不完全信息博弈，委托人承诺一项政策，代理人做出回应，收益由未知的世界状态决定。传统上，这些模型需要对信念（状态的共同先验）进行强有力且往往不切实际的假设。在本文中，我们省去了公共先验。相反，我们考虑一个重复的互动，其中的主体和代理人可以学习随着时间的推移，从国家的历史。我们将机制设计重新表述为强化学习问题，并开发了在不对状态生成过程进行任何假设的情况下达到自然基准的机制。我们的研究结果使用了新的行为假设的代理-围绕反事实的内部遗憾-捕捉理性的精神，而不依赖于信仰。
2020-09-11 cs.GT econ.TH
Selling to a principal and a budget-constrained agent
本文研究向委托人-代理人组合出售物品的最优机制，在代理人预算受限且可策略性委托决策的条件下，推导出阈值预算以下采用双公布价格与随机化结果、否则采用单一公布价格的最优销售机制。
2024-10-04 cs.GT econ.TH
Do Matching Mechanisms Work with LLM Agents?
The University of Tokyo（东京大学）；School of Engineering（工学部）
研究通过对比自由协商与集中式机制市场，发现基于机制的匹配市场在稳定性和效率上更优，且LLM智能体比人类更倾向于真实报告偏好，但策略证明性并非总能提高真实报告率。
2026-06-02 cs.GT econ.GN q-fin.EC
Persuading a Credible Agent
本文研究可信智能体场景下的最优说服机制设计问题，发现传统“先诱导后说服”结构及IC机制可能次优，提出需引入预信号传递和非约束性诱导的多阶段机制，给出多项式时间算法，还指出部分信息诱导可提升收益，甚至可能需要无限轮信息交互才能达最优。
2024-10-31 cs.CC cs.GT
Delegating to Multiple Agents
研究无货币的多智能体委托机制，证明智能体间的竞争张力使高效的近似先验独立机制成为可能，并带来信息和性能增益，同时探讨了信息可用性、效用相关性及审查成本对机制近似因子的影响。
2023-05-20 cs.GT econ.TH
Mechanism Design for Large Scale Network Utility Maximization
网络效用最大化（NUM）是一个设计大规模网络分布式优化算法的通用框架。在战略代理人的私人信息存在的经济挑战。现有的研究提出了（经济）机制，但在很大程度上忽视了大规模实施的问题。具体而言，它们需要对部署的算法进行某些修改，这可能会带来显著的成本。为了应对这一挑战，我们提出了大规模的Vickery-Clark-Grove（VCG）机制NUM，具有更简单的支付规则，其特征在于影子价格。大规模VCG机制使网络效用最大化，实现个体理性和预算平衡。对于无限多的代理人，代理人对他们类型的真实报告是他们的主导策略;对于有限的情况，每个代理人误报的动机二次收敛到零。对于实际实现，我们引入了一个修改后的机制，拥有一个额外的重要技术属性，可叠加性，这使得它能够建立在任何（潜在的分布式）算法，最佳地解决了NUM问题，并确保所有代理遵守算法。然后，我们将这个想法扩展到动态的情况下，代理的类型是动态演变为一个受控的马尔可夫过程。在这种情况下，该机制导致激励兼容行动的代理每个时隙。
2021-01-12 cs.GT econ.TH
VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit Feedback
University of California, Berkeley（加州大学伯克利分校）
我们研究了多轮福利最大化机制设计问题的代理不知道自己的价值观的情况下。在每一轮，一个机制首先分配一个分配给一组代理，并向他们收取一个价格;在这一轮结束时，代理提供（随机）反馈给他们收到的分配机制。此设置的动机是云市场和在线广告中的应用程序，其中代理人只有在体验过分配后才可能知道她对分配的价值。因此，该机制需要探索每个代理的不同分配，以便它可以了解它们的价值，同时尝试找到社会最佳的分配集合。我们的重点是真实的和个人理性的机制，模仿经典的VCG机制，从长远来看。为此，我们首先定义了三个概念的遗憾的福利，每个代理人的个人效用和机制。我们表明，这三个方面是相互依赖的，通过$Ω(T^{\frac{2}{3}})$下限为这三个方面的最大值后，$T$轮的分配，并描述了一个算法，基本上实现了这个速度。我们的框架还提供了灵活性来控制定价方案，以便在代理商和卖方之间进行权衡。接下来，我们定义的真实性和个人的合理性要求的渐近变量，并提供渐近率量化的程度，这两个属性都得到满足所提出的算法。
2022-01-23 cs.GT cs.LG stat.ML
