本文探讨基于样本分布设计多项货品机制，利用分段线性结构证明了利润上限，并提出了优化复杂性和准确性之间的平衡的工具。

Apr, 2017

本文通过研究直接基于分布进行收益最大化拍卖的样本复杂度，探讨了数据量在何种程度下可以保证期望收益最大化接近最优，并且构建了一个解释了拍卖、非常接近最优的收益、参与竞标者出价的估值分布之间相互作用的下界。

Feb, 2015

本文介绍的是一个名为 MenuNet 的神经网络框架，它可以自动化地设计出最优拍卖机制，且在实验中得到的机制都是 incentive-compatible 的，能够在多项收入最优设计中应用，并经过理论证明的机制是最优的。

May, 2018

通过两个步骤，我们提出了一个框架来证明从样本中学习最优拍卖问题的多项式样本复杂性界限，该框架捕捉了包括匿名和非匿名项目和捆绑定价在内的所有最突出的简单拍卖类型，并具有低维度的收益函数。

Apr, 2016

本文提出一种框架，使用最优输运理论和对偶理论设计最优机制，得出了在多项目景下仅定价整个 bundle 时是最优的条件，同时描述了在多种两项目景下的最优机制。

Mar, 2015

本论文提出了一种新的拍卖模型，通过使用拍卖者在拍卖时获得的某些侧面信息来区分事先相同的竞标人，通过拓展 Dhangwatnotai et al. 和 Cole 和 Roughgarden 的样本复杂度方法来获得了几乎匹配的上限和下限，使用经验风险最小化技术来改进 Cole 和 Roughgarden 的样本复杂度界限。

Nov, 2015

使用深度学习工具，将拍卖建模为多层神经网络，将最优拍卖设计作为约束学习问题，并演示如何使用标准机器学习管道解决此问题。

Jun, 2017

本文探讨如何根据参与者的历史数据来更新经济机制以优化其表现，着重研究了在保证推断参与者偏好可行的前提下，设计最优机制的理论。

Apr, 2014

本文基于贝叶斯框架，提出了一种组合拍卖设计方法，采用生成模型和估计最大后验概率算法，通过多次拍卖迭代过程实现过程收敛。实验结果表明，该方法在收敛迭代次数方面比组合时钟拍卖机制更具有竞争力。

Dec, 2017

研究中提出了一种评估具有互补性的商品的模型，该模型的参数化方法取决于互补性的 “大小”，并为各种计算机查询、效用最大化算法和机制提供了一种选择。

May, 2012