通过研究用户行为，提出一种基于马尔可夫模型的最高效广告分配算法，结合 VCG 机制实现真实拍卖，得到了和 GSP 相似的拍卖稳定性和直观性。

May, 2008

我们研究了在线学习问题中的广告拍卖收入最大化问题，重点关注广告主的战略行为、点击率和动态估值对机制表现的影响。

Feb, 2024

本文提出一种新颖的博弈论机器学习方法，该方法自然地合并机器学习和博弈论，通过双层优化框架学习拍卖机制以实现经验收入最大化。实验证明，该方法能够比几个基线方法产生更有效的拍卖机制。

Jun, 2014

该论文研究了在赞助搜索中，对于一定数量的广告位需要在竞争的广告商之间进行分配，提出了将拍卖机制与广告竞价相结合的策略，给出了一种基于线性效用的指派模型，在此基础上提出了 GSP 和 VCG 机制，并介绍了计算该模型中的拍卖结果的算法。

Jul, 2008

现代商业互联网搜索引擎通过拍卖方式在搜索结果旁边展示广告，这种发起出价的赞助搜索依靠市场机制，我们总结了当前拍卖系统的情况，描述了博弈论方面的基本原理，该博弈涉及到三方，分别是广告主、搜索引擎和搜索用户，介绍了强调每方角色的研究方向，并使用机制设计、优化和统计估计的技术来制定竞标和定价算法最后提出了赞助搜索广告中的一些挑战。

May, 2008

研究在线学习在上下文广告竞拍中的应用，通过算法获得最小化收入损失的目标，针对点击率进行估计，提出了两种有效的上下文拍卖算法，并通过实验验证了其有效性和超凡性能。

Oct, 2023

在线广告拍卖的学习模型揭示了竞价人行为对关键绩效指标的影响，包括广告槽位置、竞争广告商数量和身份、广告商接收的反馈以及支付规则等特征。同时证明了在更现实的拍卖环境中，即使竞标人来自同一人群，提供 “软底价” 也能提升关键绩效指标。

Jul, 2023

研究如何设计损失函数来优化广告拍卖中的（社会）福利，提出了一种新的加权排名损失来训练点击率模型，并通过在使用教师网络产生的标签上进行损失校准来证明其优越性。

Jun, 2023

本文提出了一种学习策略，通过观察过去的销售数据来设定保留价格，以最小化对收入的后悔，同时本文也探讨了市场噪声分布已知和未知情况下的学习政策和保留价格的设计。

Feb, 2020

本文提出了一种新的拍卖机制 —— 神经多插槽拍卖（NMA），通过上下文感知列表式预测模块和深度排序模块有效地对广告的全球影响进行建模，同时设计一个辅助损失以有效地降低社会福利的下降，实现了最大化收入和平衡的社会福利，证实了 NMA 在收入和社会福利方面具有更好的性能。

May, 2022