Regret Minimization in Single-Dimensional Contract-Design with Binary Actions
Bocconi University（博科尼大学）
针对在线主-代理问题中代理类型对抗性序列，提出基于非均匀离散化的阈值优化方法，实现与结果数量无关的Θ(T^{2/3})遗憾界；对于固定隐藏类型，采用探索后提交策略达到Θ̃(√T)遗憾界。
2026-06-04 cs.GT
Revealed Preferences for Matching with Contracts
多对多的匹配与合同研究的框架下显示的偏好。所有偏好都由满足自然条件的选择函数来描述。在无外部性假设下，个人偏好可以聚合成一个单一的选择函数，表达集体偏好。在这个框架中，双边匹配问题可以被描述为双方之间的一致性问题：双方必须找到稳定的一致性，即，一组合同，任何一方都不想从其中拿走任何合同，双方也不能同意增加任何合同。在这种稳定的协议中，双方的偏好关系是偏序的，并且双方的偏好是逆的。提出了一种算法，概括了以前提出的算法在不太一般的情况下。该算法提供了一个稳定的协议，该协议比一方的所有稳定协议更受欢迎，因此比另一方的所有稳定协议更不受欢迎。该算法的步骤数与合同集的大小成线性关系，即，多项式的大小问题。该算法证明了在两个逆偏好关系下，稳定的协议形成一个格。在对货币在偏好中的作用的额外假设下，协议问题可以描述商品与货币交换的一般双边市场。稳定的协议提供了一个解决方案的概念，包括价格，这是更一般的竞争均衡。对于相同的物品，它们满足几乎一个价格定律。
2020-03-04 cs.GT econ.TH
Welfare Distribution in Two-sided Random Matching Markets
研究了双边随机匹配市场中的福利结构。在该模型中，每个代理人都有一个潜在的个人得分，每个代理人在市场的另一边，她的偏好遵循基于这些得分的logit模型。在连续条件下，我们提供了一个严格的描述稳定的结果。首先，我们确定一个内在的适合每个代理，代表她在市场上的相对竞争力，独立的实现稳定的结果。内在适应度值对应于使潜在互矩阵双随机所需的缩放系数，其中潜在分数可以被解释为配对被匹配的先验概率。第二，在每一个稳定（甚至近似稳定）的匹配中，市场每一边的福利或代理人的排名，当按其内在适应度进行缩放时，具有近似指数的经验分布。此外，市场一侧的代理人的平均福利足以决定另一侧的平均福利。总的来说，每个代理的福利是由一个全局参数，她的内在健身，和一个外在的因素与指数分布在人口。
2023-02-16 cs.GT econ.TH
Bayesian Agency: Linear versus Tractable Contracts
我们研究委托代理问题，其中委托人承诺一个结果依赖的支付计划（a.k.a.合同），以诱导代理人采取昂贵的，不可观察的行动。我们放松的假设，委托人完全知道代理人考虑贝叶斯设置代理人的类型是未知的，随机选择根据一个给定的概率分布，这是已知的委托人。每个代理人的类型的特点是她自己的行动成本和行动结果分布。在非贝叶斯委托代理问题的文献中，相当多的注意力都集中在线性合同上，线性合同是简单的，纯佣金支付计划，仍然提供了很好的近似保证，相对于委托最优（可能是非线性）合同。虽然在非贝叶斯设置的最优合同可以有效地计算，这不再是我们的贝叶斯委托代理问题的情况。这进一步激发了我们对线性合约的关注，鉴于其单参数性质，线性合约可以有效地优化。我们的目标是分析贝叶斯设置中线性合同的属性，在最优合同和一般易处理合同（即，有效的计算）。首先，我们研究了线性契约关于最优契约的近似保证，证明了线性契约的近似保证具有与代理类型数成线性关系的乘法损失。尽管如此，我们证明了线性合同仍然可以提供一个常数乘法近似$ρ$的最佳主的预期效用，虽然在一个指数小的附加损失$2^{-Ω(ρ)}$的代价。然后，我们切换到易处理的合同，令人惊讶的是，线性合同在其中表现良好。
2021-06-01 cs.GT
Learning Approximately Optimal Contracts
Tel-Aviv University（特拉维夫大学）；Google Research（谷歌研究院）；Royal Holloway, University of London（伦敦大学皇家霍洛威学院）；Tel Aviv University（特拉维夫大学）
在委托-代理模型中，委托人向代理人提供一份合同，让代理人完成某项任务。代理人付出一定程度的努力，使其效用最大化。委托人对代理人选择的努力程度一无所知，她的工资只取决于可能的结果。在这项工作中，我们考虑一个模型，其中的主要是不知道代理人的效用和行动空间：她顺序提供合同相同的代理人，并观察由此产生的结果。我们提出了一个算法，学习最优的合同在温和的假设。我们约束委托人所需的样本数量，以获得一个合同，该合同在她对每个$\eps>0$的最佳净利润的$\eps$范围内。我们的结果是强大的，即使考虑风险厌恶的代理人。此外，我们表明，当只有两种可能的结果或代理是风险中性的，该算法的结果接近经典理论中描述的最优合同。
2022-07-13 cs.GT cs.LG econ.TH
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
Learning Optimal Contracts: How to Exploit Small Action Spaces
Politecnico di Milano（米兰理工大学）
本文研究多轮委托-代理合同学习问题，针对小型动作空间设计了一种多项式轮数内高概率学习近似最优合同的算法，解决了Zhu等人提出的开放问题，并将在线学习遗憾界改进至Õ(T^{4/5})。
2024-06-07 cs.GT cs.LG
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
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
Combinatorial Contracts
本文提出组合契约模型，刻画代理人选择不可观测行动子集时的激励问题，证明 gross substitutes 下可通过多项式价值查询求最优契约，而次模情形为 NP 难。
2025-09-02 cs.GT
Trading Networks with Bilateral Contracts
Budapest University of Technology and Economics（布达佩斯技术与经济大学）；Corvinus University（科尔维努斯大学）；Keio University（庆应义塾大学）；Department of Economics, St. Catherine’s College, and the Institute of New Economic Thinking at the Oxford Martin School（牛津马丁学院新思维研究所、圣凯瑟琳学院经济学系）
本文研究了双边合同下交易网络中的匹配问题，提出了一种新的稳定概念——轨迹稳定性，并证明了在满足完全替代条件时，交易网络总存在轨迹稳定的匹配结果，同时探讨了该概念与其他解的概念之间的关系。
2018-05-22 cs.GT econ.GN econ.TH
General Matching Games
本文将Garrido-Lucero和Laraki的一对一匹配博弈模型推广到一对多匹配市场和室友模型的一般框架，并给出了核心稳定且抗再谈判结果存在及高效计算的条件。
2025-07-21 cs.GT
Dynamics in Two-Sided Attention Markets: Objective, Optimization, and Control
该研究针对双边注意力市场，构建了用户、平台与创作者耦合交互的势函数，证明其动力学等价于镜像下降，并给出非凸镜像下降的局部收敛新结果，为注意力市场的多样结果提供理论支撑。
2025-09-02 cs.GT cs.SI
Machine Learning-Guided Quota Optimization for Multi-Round Two-Sided Matching
University of Evansville（伊文斯维尔大学）
针对多轮女生联谊会招募这一小型双边市场，提出集成随机森林分类器、整数线性规划和延迟接受算法的框架，优化邀请配额，在数据有限条件下实现96.4%的个体匹配一致率。
2026-06-15 cs.GT
Contracts under Moral Hazard and Adverse Selection
在经典的委托代理问题中，委托人必须设计一个合同来激励代理人代表委托人执行一项行动。我们研究经典的委托代理问题的设置，代理人可以是几种类型之一（影响他们可能采取的行动的结果）。这结合了契约理论中的“道德风险”现象（关于行为的不完全信息）和“逆向选择”现象（关于类型的不完全信息）。我们通过计算透镜来研究这个问题。我们表明，在这种情况下，APX很难计算利润最大化的单一合同或利润最大化的合同菜单（而不是在没有类型的情况下，人们可以有效地计算最优合同）。然后，我们表明，最好的线性合同的性能尺度特别好的类型的数量：如果代理有$n$可用的行动和$T$可能的类型，最好的线性合同实现了$O(n\log T)$近似的最佳可能的利润。最后，我们应用我们的框架来证明严格的最坏情况下的近似边界之间的各种基准机制的主要。
2020-10-14 cs.GT
Linear Contracts for Supermodular Functions Based on Graphs
本文研究多智能体线性契约问题，针对图上的超模函数，在智能体成本不同的一般情况下，给出了加法PTAS，回答了开放问题。
2024-12-17 cs.GT
Learning In Reverse Causal Strategic Environments With Ramifications on Two Sided Markets
University of Michigan（密歇根大学）
受劳动力市场均衡模型启发，提出因果策略分类方法，发现预期劳动力策略性反应的雇主能提升奖励、技能和公平性，但可能损害劳动力效用并无法防止歧视。
2024-04-20 cs.GT cs.LG stat.ML
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
Quantile agent utility and implications to randomized social choice
Aarhus University（奥胡斯大学）；Technical University of Munich（慕尼黑工业大学）；Indian Statistical Institute, Kolkata（印度统计学院，加尔各答）
本文提出分位数代理效用概念，通过比较代表者来评估随机结果，展示了在随机社会选择中效率、公平和无策略性可以同时满足的可能。
2026-02-28 cs.GT
A dynamic auction for multilateral collaboration
针对可转移效用下智能体的多边合作，提出一种动态拍卖，在原始合同为总互补品时求得稳定结果。
2024-11-10 cs.GT econ.TH
Harnessing the Continuous Structure: Utilizing the First-order Approach in Online Contract Design
本文利用连续动作空间和一阶条件刻画在线合约设计中的代理人行为，并将多结果合约、线性合约及同质代理人合约学习分别归约或算法化，得到更简单且具有多项式样本复杂度的方案。
2025-06-09 cs.GT cs.LG
Are Bounded Contracts Learnable and Approximately Optimal?
Peking University（北京大学）；The University of Hong Kong（香港大学）
本文在委托-代理隐藏行动模型中证明，在标准假设下可用多项式查询学习近乎最优的有界合同，并揭示其满足混合近似而非乘法或加法近似最优。
2024-02-22 cs.AI cs.GT cs.LG
Stable and Fair Random Allocations in a Two-Sided Discrete-Concave Market
针对双边环境中随机分配存在的稳定性与公平性问题，本文利用离散凹（M^♮-凹）估值，证明了存在事前稳定且公平的分配，并通过Birkhoff–von Neumann定理的推广，将事前稳定分数分配分解为稳定确定性分配的彩票。
2026-10-02 cs.GT econ.TH
On Fairness and Stability in Two-Sided Matchings
人们越来越担心，越来越多地做出或影响与个人有关的重要决定的算法可能会产生歧视受保护群体的结果。我们研究这样的公平性问题的背景下，双边市场，有两套代理商，每个代理商的偏好超过另一套。目标是在集合之间产生匹配。这一背景一直是一个丰富的工作机构的重点。Gale和Shapley的开创性工作提出了一个稳定性要求，并表明稳定匹配总是存在的，并且可以有效地找到。我们通过基于度量的公平概念的镜头来研究这个问题（Dwork等人，Kim等人）。我们制定适当的定义的公平性和稳定性的相似性度量的存在下，并问：公平和稳定的匹配总是存在的吗？这样的匹配能在多项式时间内找到吗？我们的贡献如下：（1）组合失败的经典算法：我们表明，组成的Gale-Shapley算法与公平的医院偏好可以产生公然不公平的结果。(2)寻找公平和稳定匹配的新算法：我们的主要技术贡献是寻找公平和稳定匹配的有效新算法，当：（i）医院的偏好是公平的，（ii）公平性度量满足强“原型度量”条件：每两个医生之间的距离是零或一。特别是，这些算法还表明，在这种情况下，公平性和稳定性是兼容的。(3)在一般情况下找到公平和稳定的匹配的障碍：我们表明，如果医院的偏好可能是不公平的，或者如果度量不能满足原型度量条件，那么没有算法在一个自然类可以找到一个公平和稳定的匹配。自然类包括经典的Gale-Shapley算法和我们的新算法。
2021-11-21 cs.CY cs.DS cs.GT
Solving the Buyer and Seller's Dilemma: A Dual-Deposit Escrow Smart Contract for Provably Cheat-Proof Delivery and Payment for a Digital Good without a Trusted Mediator
电子商务的一个基本问题是在可能彼此不认识或不信任的个人之间买卖数字商品。传统上，这个问题已经通过使用可信的第三方来解决，如信用卡公司、中介托管、法律裁决或声誉系统。尽管区块链协议作为一种在没有可信第三方的情况下发送支付的方式而兴起，但在没有可信第三方的情况下交换数字商品进行支付的重要问题却受到了较少的关注。我们将这个问题称为买方和卖方的困境，并为此提出了一个双存款托管交易协议，该协议使用双边支付存款与简单的加密原语，并且可以使用基于区块链的智能合约来实现。我们分析了我们的协议作为一个扩展形式的游戏，并证明了这个游戏的子博弈完美纳什均衡是买方和卖方合作和诚实的行为。我们在假设交易的数字商品是已知的和可验证的，并且双方都知道固定的价格的情况下解决这个问题。
2018-06-21 cs.CR cs.GT
Mechanism Design for Stable Matching with Contracts in a Dynamic Manufacturing-as-a-Service (MaaS) Marketplace
双边制造即服务（MaaS）市场将请求制造服务的客户与提供这些服务的供应商联系起来。匹配机制，即将客户的订单分配给供应商，是市场平台的一个关键设计参数。平台可以执行分配以最大化其收入或优化所有参与者的社会福利。然而，个人参与者可能无法从他们的比赛中获得最大价值，并拒绝它自己形成比赛（称为阻止组），从而绕过平台。本文考虑了动态环境下MaaS市场中的二部匹配问题，并利用机制设计和数学规划方法提出了近似稳定的匹配解决方案，以限制阻塞组的形成。匹配是基于参与者对合同的非严格、不完整和相互依赖的偏好，从而使双方能够进行谈判。实证模拟用于在模拟的3D打印市场中测试这些机制，并评估稳定性对其性能的影响。研究发现，稳定的匹配导致市场的社会福利的小退化。然而，它在分配稳定性方面导致了更好的结果。不稳定的匹配引入无政府状态的市场参与者拒绝其分配导致性能比稳定匹配差。
2020-10-24 cs.GT cs.MA
An Algorithm-to-Contract Framework without Demand Queries
MIT（麻省理工学院）；Technion（以色列理工学院）；Tel Aviv University（特拉维夫大学）
本文提出一种无需需求查询的算法-合同框架，通过局部到全局的方法将算法转化为合同设计问题，解决了预算最大化问题的近似最优合同设计。
2026-09-15 cs.DS cs.GT
Two-sided Competing Matching Recommendation Markets With Quota and Complementary Preferences Constraints
Department of Statistics（统计系）；Department of Biostatistics（生物统计系）
针对具有配额和互补偏好约束的双边在线匹配市场问题，提出基于bandit框架的MMTS算法，结合Thompson Sampling与双重匹配技术实现稳定匹配，并证明了其贝叶斯遗憾界。
2024-05-29 cs.GT cs.LG cs.MA
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
A Game of Nontransitive Dice
Department of Mathematics and Statistics, University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校数学与统计系）；Department of Economics, University of Texas at Austin（德克萨斯大学奥斯汀分校经济学系）
本文研究了一个两人同时行动的游戏，其中每位玩家选择一个n面的骰子，当n>3时，存在唯一的纯策略纳什均衡，即每个玩家都选择标准n面骰子，每个面有不同的数字。
2018-10-22 cs.GT econ.GN math.PR
