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

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

本研究探讨了在多智能体系统中，通过机制设计实现代理人诚实报告偏好从而选择出（社会）期望结果的问题。我们提出了一种自动创建偏好聚合机制的方法，并发现在无法进行边际支付的情况下，确定性机制的机制设计问题是 NP 完全的，但随机机制则是可计算的。

May, 2002

提出了一个基于两阶段博弈模型的自动化机制设计功能框架，并将其应用于几类不完全信息的两人无穷博弈中。我们的方法使用黑盒优化算法，可以实现优化或接近最优化的机制设计，并在多种应用领域得到了验证。通过与已知的最优机制进行比较，我们证明了该方法是参数化设计间接机制的一个有前途的方法。

Jun, 2012

论文研究强化学习及拍卖设计的优化决策算法，包括最大熵强化学习、基于贝叶斯角度的强化学习、策略学习算法 LEEP、匿名拍卖用于对称性保护的神经网络 EquivariantNet 及用于拍卖学习问题的双人博弈算法 ALGNet。

Oct, 2022

本文提供了一种从机制设计到算法设计的计算高效的黑盒约简方法，并且在虚拟福利和收益两个问题上进行了探讨，发现在单调子模拟拍卖场景下，这两个问题都无法在多项式时间内进行近似解决。

May, 2013

利用深度学习方法设计收入最优的数据市场，可以几乎精确地复制所有已知的理论解决方案，扩展到更复杂的环境，并用于建立数据市场最优设计的结构推测。

Oct, 2023

该研究通过机制设计的方式探究了多方协作进行多方机器学习模型优化的问题，并提出了适用于这种情况的最优真实机制。

Jan, 2020

通过 Democratic AI 方法，使用强化学习算法在参与者中探讨和设计社交机制来解决人工智能与人类价值观的对齐问题，有效缓解了财富分配不均，制止了搭便车行为并成功地赢得了大众的信任和认可。

Jan, 2022

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