The Sample Complexity of Online Contract Design
UC Berkeley（加州大学伯克利分校）；Yale University（耶鲁大学）；University of Michigan（密歇根大学）
研究在线隐藏行动委托-代理问题，提出在线学习算法并利用新离散化方法解决效用函数不连续性，首次给出无契约空间限制的Stackelberg regret上下界，证明了学习近优契约需指数级样本。
2023-05-19 cs.AI cs.GT cs.LG
Secure Decentralized Online Gaming with Lending Functionalities
我们提出了一个分散的在线游戏平台，作为以太坊区块链上的分散应用程序（DApp）实现。该游戏平台支持安全游戏，其中玩家的账户余额和赌注由智能合约保护。此外，游戏规则的公平执行以及玩家和游戏平台的奖金存入他们的账户是由智能合约保证的。游戏平台提出了允许玩家从游戏平台安全地借入代币以便参与游戏的借贷功能。
2022-05-04 cs.CR cs.GT
Hiring for An Uncertain Task: Joint Design of Information and Contracts
本文研究不确定任务招聘中信息与合同的联合设计，证明模糊合同可在多项式时间内近似最优，而显式合同菜单和单一合同的最优机制计算是 APX-Hard 的，并给出线性合同情形下的 FPTAS 算法。
2024-07-07 cs.GT
Adversarial Contract Design for Private Data Commercialization
数据汇集和机器学习技术的激增为数据聚合器将私人数据商业化创造了机会。在本文中，我们使用合同理论的方法来研究这个数据货币化问题。我们提出的对抗性合同设计框架考虑了诚实买家对数据需求的异质性，以及可能购买数据以损害其隐私的对抗性买家的存在。我们提出了Advertisement价格（PoAdv）的概念来量化对抗用户对数据销售商收入的影响，并为各类对手效用提供PoAdv的界限。我们还提供了一个快速的近似技术来计算合同的存在对手。
2018-10-17 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
Designing Menus of Contracts Efficiently: The Power of Randomization
我们研究隐藏行动的委托代理问题，其中委托人承诺一个结果依赖的支付计划（称为合同），以激励代理人采取昂贵的，不可观察的行动，导致有利的结果。特别是，我们专注于贝叶斯设置代理人的私人信息。这是由代理人的类型共同编码的，代理人的类型对委托人来说是未知的，但是根据有限支持的、公知的概率分布随机抽取。在贝叶斯委托代理问题中，委托人可能会更好地承诺一个合同菜单，为每个代理人的类型指定一个合同，而不是承诺一个单一的合同。这导致了一个两阶段的过程，类似于在经典的机制设计中研究的相互作用：在委托人已经提交了一个菜单，代理人首先报告一个类型的主体，然后，后者把合同在菜单中，对应于报告的类型。因此，委托人的计算问题归结为设计一个合同菜单，激励代理人报告他们的真实类型，并最大化预期效用。以前的工作表明，计算合同的最佳菜单是APX困难的。至关重要的是，以前的作品集中在确定性合同的菜单。令人惊讶的是，我们表明，如果一个考虑菜单的随机合同定义为概率分布的支付向量，那么一个“几乎最优”的菜单可以计算在多项式时间。事实上，计算随机合同的主最优菜单的问题可能不允许最大值，而只允许上确界。尽管如此，我们展示了如何设计一个多项式时间算法，保证与预期的效用任意接近上确界的主要。除了这个主要的结果，我们还关闭几个缺口的菜单的确定性合同的分析。
2022-08-17 cs.GT
Combinatorial Contract Design: Recent Progress and Emerging Frontiers
Blavatnik School of Computer Science and Artificial Intelligence, Tel Aviv University（特拉维夫大学布拉瓦特尼克计算机科学与人工智能学院）
本文综述组合契约设计的最新进展，聚焦单一或多代理人在指数级行动组合中的激励问题，总结结构洞见、算法技术及复杂性结果，并指出开放问题与未来方向。
2025-10-16 cs.GT
Single-dimensional Contract Design: Efficient Algorithms and Learning
针对委托人-未知代理人交互的贝叶斯单维契约设计问题，本文提出加性PTAS并证明加性FPTAS不存在，还从学习角度证明其比多维设计更高效，解决了加性近似是否更易获得的问题。
2025-02-17 cs.GT
Spectrum Reservation Contract Design in TV White Space Networks
在本文中，我们研究了一个经纪人为基础的电视空白频段市场，其中未经许可的空白频段设备（WSDs）购买空白频段频谱从电视持牌人通过第三方地理位置数据库（DB），作为一个频谱经纪人，保留频谱从电视持牌人，然后转售预留频谱给WSDs。我们提出了一个合同理论框架下的需求随机性和信息不对称的数据库的频谱预留。在这个框架下，数据库以预订金额和相应付款的形式提供一组合同项目，每个水务署根据其私人信息选择最佳合同项目。我们系统地研究了最优保留合同设计（最大化数据库的预期利润）在两个不同的风险承担计划：DB轴承风险和WSD轴承风险，取决于谁（数据库或WSD）将承担过度保留的风险。与直觉相反，我们证明了在DB承担风险下的最优合同会导致数据库的更高利润和更高的网络总利润。
2015-11-02 cs.GT
Contract Design for Energy Demand Response
南加州爱迪生公司（SCE）等电力公司使用需求响应（DR）合同来激励消费者在需求预测超过供应时减少电力消耗。目前使用的机制向彼此独立的消费者提供合同，没有考虑消费者在消费概况或可靠性方面的异质性，并且未能实现高参与度。我们介绍DR-VCG，一个新的DR机制，提供了一套灵活的合同（其中可能包括标准的SCE合同），并使用VCG定价。我们证明，DR-VCG elancement真实的出价，激励诚实的准备工作，使分配和价格的有效计算。对于简单的固定惩罚合同，该机制的优化目标是错过减少目标的概率的上界。大量的仿真结果表明，与SCE部署的现有机制相比，DR-VCG机制实现了更高的参与度，提高了可靠性，并显着降低了总费用。
2017-05-20 cs.GT
An Introduction to Contract Theory for Computer Scientists
Google Research Switzerland（瑞士谷歌研究）；Tel Aviv University（特拉维夫大学）
本综述面向计算机科学家介绍契约理论，涵盖委托-代理模型、线性契约等内容，探讨其在多智能体场景等中的应用，连接经济基础与算法工具，为相关研究提供入门路径。
2026-10-14 cs.GT
A Reduction from Multi-Parameter to Single-Parameter Bayesian Contract Design
本文提出一种近似保持的多项式时间归约，将多参数贝叶斯契约设计（BCD）转化为单参数BCD，并借此证明单参数BCD最优契约设计的NP困难性及契约菜单与单一契约间Θ(n)的效用差距。
2024-08-22 cs.GT
Ultra Efficient Contracts: Pushing the Boundaries of Tractable Contract Design
Blavatnik School of Computer Science, Tel Aviv University（特拉维夫大学布拉瓦特尼克计算机科学学院）
本文研究了在组合动作框架下最优合同问题，提出了一种新的Ultra奖励类，解决了可计算性边界问题，并扩展到非加性成本函数。
2026-03-15 cs.GT
The Power of Information for Intermediate States in Contract Design
Tsinghua University（清华大学）；Shanghai Qi Zhi Institute（上海人工智能实验室）
本文探讨了在契约设计中利用中间状态信息的潜力，提出两种新型契约类型，并分析了其在特定情境下的优势。
2026-04-17 cs.GT
Incomplete Information VCG Contracts for Common Agency
我们研究了福利最大化的合同设计在著名的“共同代理”模型[伯恩海姆和Whirst，1986]。该模型结合了协调多个委托人的挑战和合同设计的基本挑战：委托人对代理人的行动选择信息不完全。出于这种设置的标准合同的显着社会效率低下（我们正式量化使用无政府状态无政府代价/稳定性分析），我们研究了最近的工具箱在完全信息假设下为第一组挑战开发的VCG合同[Lavi和Shamash，2019]，是否以及如何扩展到不完全信息。本文定义并刻画了一类"不完全信息VCG契约"，证明了它是保证委托人真实性和代理人福利最大化的唯一一类契约。我们的研究结果揭示了确保参与合同所需的两个重要属性之间的内在权衡：个人理性（委托人）和有限责任（代理人）。我们设计了一个多项式时间算法，用于确定是否设置有IIVCG合同与这两个属性。作为我们的主要结果，我们设计了一个多项式时间的“算法IIVCG”合同：给定的估值报告，从它返回的校长，如果可能的设置，支付计划的代理，构成了IIVCG合同与所有期望的属性。我们还给出了一个充分的图论条件的人口的校长，确保存在这样的IIVCG合同。
2021-05-31 cs.GT
Learning Large Electrical Loads via Flexible Contracts with Commitment
大型电力客户（例如，大型数据中心）可能表现出巨大且可变的电力需求，这对电力供应商规划足够的容量提出了重大挑战。因此，有必要在客户和供应商之间设计激励和协调机制，以降低容量成本。本文提出了一种基于柔性合同的新方案。与文献中现有的需求侧管理计划，灵活的合同导致信息披露。也就是说，一个客户承诺一个灵活的合同揭示了有价值的信息，其未来的需求供应商。这种信息披露允许客户和供应商分担未来需求不确定性的风险。另一方面，客户仍将保留其经营自主权。我们解决了设计最优灵活合同的两个关键挑战：i）合同设计是一个非凸优化问题，对于大量客户类型来说是棘手的，以及ii）设计应该对客户的意外或不利反应具有鲁棒性，即，面对一个以上产生相同利益的合同的客户可能会选择对供应商不利的合同。我们解决这些挑战，提出次优的合同低计算复杂性，可以实现一个可证明的分数的性能增益下的全局最优。
2020-09-14 cs.GT
Optimal Repurchasing Contract Design for Efficient Utilization of Computing Resources
针对计算资源租用中的利用不足问题，提出基于合同的回购激励框架，通过数学规划求解最优合同，在满足激励相容与个体理性下最大化提供商效用。
2025-04-21 cs.GT
Contract Design Under Approximate Best Responses
本文研究近似最优响应下的委托-代理问题，提出多项式时间算法计算最优契约，并给出无遗憾学习算法，为相关场景提供理论支撑。
2025-02-26 cs.GT
Online Allocation and Display Ads Optimization with Surplus Supply
在这项工作中，我们研究的情况下，出版商寻求最大限度地提高其总收入在两个销售渠道：保证合同，承诺提供一定数量的印象给广告客户，并通过广告交易所现货需求。一方面，如果一个保证合同没有完全交付，它会给出版商带来惩罚。另一方面，发布者可能能够在广告交易所以高价出售展示。出版商如何最大限度地提高其总收入，即广告交换的收入和交付不足罚款的损失之和？我们研究这个问题参数化的\emph{supply factor $f$}：一个概念，我们介绍，直观地说，捕获的次数，出版商可以满足所有的保证合同的库存供应。在这项工作中，我们提出了一个快速简单的确定性算法的最佳竞争比。该算法和最优竞争比是供应因子、惩罚和广告交换中出价分布的函数。除了产量优化问题，经典的在线分配问题，如在线二分匹配[Karp-Vazirani-Vazirani '90]及其顶点加权变体[Aggarwal等人。'11]可以在存在由供应因子保证的额外供应的情况下进行研究。我们发现，$f$的供应因子提高了从$1-1/e$到$f-fe^{-1/f}$的近似因子。我们的近似因子是紧的，并且以$f \to \infty$的形式逼近$1$。
2021-07-14 cs.DS cs.GT
Contract Design for Sequential Actions
本文提出序贯行动契约模型，将智能体决策等价于潘多拉魔盒问题，并给出独立行动下线性契约的多项式算法及一般契约的NP难结果，关联行动下近似亦NP难。
2025-04-20 cs.GT
Agent-Designed Contracts: How to Sell Hidden Actions
本文研究服务提供商向用户出售服务时的隐藏行动问题，提出通过经济激励建立信任的合约设计模型，并致力于计算能够保证用户信任服务提供商的合约。
2024-02-26 cs.GT
A Novel Mobile Data Contract Design with Time Flexibility
在传统的移动数据计划中，数据与固定时段（例如，一个月），而未使用的资料会在每段期间完结时清理。为了利用消费者在不同时段的异构需求，同时提供更多的时间灵活性，一些移动数据服务提供商（SP）已经提供了具有不同时段长度的数据计划。在本文中，我们考虑的数据计划的设计问题，为一个单一的SP，谁提供的数据计划，具有不同的时间长度的消费者与不同的数据需求的特点。我们提出了一个合同理论的方法，其中SP提供了一个周期价格数据计划合同，其中包括一组期间和价格组合，表示不同时期的数据的价格。我们研究了两种不同模型下的最优数据计划合同设计：离散和连续消费者类型模型，这取决于消费者类型是离散还是连续。在前一个模型中，每种类型的消费者被分配一个特定的期间价格组合。在后一种模型中，消费者首先被分成有限数量的组，并且每组消费者（可能具有不同类型）被分配有特定的时段价格组合。系统地分析了激励相容性约束和个体理性约束，使每个用户都能选择适合自己类型的周期价格组合的数据计划。我们进一步得到了最大化SP的期望利润，同时满足IC和IR约束的消费者的最优合同。数值结果表明，与传统的固定月周期数据计划相比，所提出的最优合同可以使SP的利润增加35%。
2018-06-28 cs.GT
Optimal Robust Contract Design
本文研究行动空间不确定下的稳健合约设计，刻画了最优随机化线性合约及其累积密度函数闭式形式，证明其相对确定性合约的优势可任意大，并推广至团队缔约模型。
2024-06-17 cs.GT econ.TH
Multi-agent contract design with a budget
本文研究预算约束下多智能体道德风险合同设计，提出Luce合同并按权重比例分配预算给成功智能体，证明其最优性并刻画可实现的努力配置，同时展示其能降低总支付不确定性。
2025-07-08 cs.GT econ.TH
Learning in Online Principal-Agent Interactions: The Power of Menus
The University of Chicago（芝加哥大学）；University of Virginia（弗吉尼亚大学）
本文研究在线委托-代理问题中委托人通过菜单策略学习代理人私人信息的方法，刻画了多种设置的样本复杂度，并应用于Stackelberg博弈、契约设计和信息设计，同时解决了Peng等人（2019）的一个关键困难实例。
2023-12-28 cs.GT cs.LG
Contractual Reinforcement Learning: Pulling Arms with Invisible Hands
University of Chicago（芝加哥大学）；Yale University（耶鲁大学）；Princeton University（普林斯顿大学）；Oregon State University（俄勒冈州立大学）
本文提出契约式强化学习框架，用状态依存支付契约协调委托人与智能体利益，并给出最优规划动态规划及可证明低遗憾在线学习算法。
2024-07-02 cs.AI cs.GT cs.LG
Designing Exploration Contracts
本研究将契约设计应用于序贯探索问题，在委托-代理框架下为委托人计算最优契约，涵盖线性契约及一般契约，并与潘多拉盒子问题相关联。
2025-01-23 cs.DS cs.GT
Algorithmic Contract Theory: A Survey
本综述介绍了算法契约理论，探讨了契约理论在激励感知算法设计中的应用，并展示了算法设计与契约理论之间的互动潜力及未来研究方向。
2024-12-20 cs.GT econ.TH
Differential Liquidity Provision in Uniswap v3 and Implications for Contract Design
去中心化交易所（DEXs）为用户提供了一种在链上交易资产对的方法，而不需要可信的第三方来完成交易。其中，Uniswap等恒定功能做市商DEX处理ERC-20代币之间的交易量最大。随着Uniswap v3的推出，流动性提供者可以将流动性差异化地分配给特定价格区间内发生的交易。在本文中，我们正式的利润和损失，流动性提供者可以赚取时，提供特定的流动性分配到v3合约。我们给出了一个凸随机优化问题，计算最优流动性分配的流动性提供者谁持有的信念，价格将如何随着时间的推移而演变，并使用这个研究的设计问题，关于V3合约应如何划分允许的流动性分配的价格空间。我们的研究结果表明，使更大的多样性的价格空间分区提供给合同设计者可以同时有利于流动性提供者和交易者。
2022-08-25 cs.CE cs.GT
Computational Intractability of Strategizing against Online Learners
MIT（麻省理工学院）；Tel Aviv University（特拉维夫大学）；Berkeley（加州大学伯克利分校）
本文证明在一般博弈环境中，针对使用乘法权重更新（MWU）等标准无悔算法的学习者，不存在多项式时间优化者能计算近似最优策略，并给出Ω(T)的困难性下界，确立了根本性计算障碍。
2025-03-06 cs.GT cs.LG
The Power of Menus in Contract Design
本研究探讨委托-代理问题中合同菜单的效用优势，证明其可显著优于单一合同，并揭示确定性菜单与随机菜单间的性能差距。
2023-06-22 cs.DS cs.GT econ.TH
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
Simple versus Optimal Contracts
我们考虑经典的委托代理模型的合同理论，其中一个主要的设计结果依赖的补偿计划，以激励代理人采取昂贵的和不可观察的行动。当所有的模型参数-包括全部分布的主要奖励所产生的每个代理人的行动-是已知的设计者，最优的合同原则上可以计算线性规划。除了他们苛刻的信息要求，这种最优合同往往是复杂的和不直观的，并不类似于合同在实践中使用。本文通过理论计算机科学的视角来考察契约理论，目的是发展新的理论来解释和证明相对简单的契约（如线性（纯佣金）契约）的流行。首先，我们考虑的情况下，主要只知道每个动作的奖励分布的第一时刻，我们证明了线性合同保证是最坏情况下的最优，在所有的奖励分布与给定的时刻一致。其次，我们从最坏情况近似的角度研究了线性合约，并证明了几个紧的参数化近似界。
2020-08-09 cs.DS cs.GT
Budget-Constrained Contract Design for Effort-Averse Sensors in Averaging Based Estimation
University of Melbourne（墨尔本大学）
本文研究了在预算约束下，如何通过设计合同来提高基于平均估计的估计质量，考虑了传感器的懒惰特性及合同奖励机制对估计误差的影响。
2016-02-14 cs.GT cs.SY eess.SY
Paid with Models: Optimal Contract Design for Collaborative Machine Learning
Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究院）；Singapore-MIT Alliance for Research and Technology（新加坡-麻省理工研究与技术联盟）；Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系）
本文研究协作机器学习中以模型为报酬的优化合约设计问题，通过将非凸优化转化为凸优化并分析合约性质，为抑制寻租行为、提升协作福利提供理论方案。
2024-12-31 cs.AI cs.GT cs.LG
