本文提出了一种使用配对比较的机制设计，该机制设计针对变量质量的定制商品，在任何具有定制商品的场景中具有广泛适用性，并在多标签毒性注释数据上进行了实验。

Jun, 2023

该研究提出 Deep Neural Auctions (DNAs) 模型，通过设计可微分模型解决了拍卖机制中的离散排序操作问题，实现了端到端的拍卖学习，提高了基于电商广告的多种性能指标的效果。

Jun, 2021

本文提出了一个数数据市场的基本模型，通过建立一个竞价机制来有效地买卖机器学习任务的训练数据，突破了训练数据不能定价，买卖难以衡量的难题，其中技术贡献包括公平性的计算及组合产品的机制拍卖方式。

May, 2018

本研究探讨自动机制设计算法在组合拍卖中的应用，提供了关于组合拍卖类的样本复杂度分析，为自动机制设计奠定了坚实基础并推进了学习理论的边界。

Jun, 2016

本文介绍了 ML-powered iterative combinatorial auctions（ICAs）的设计，通过使用 demand queries 而非 value queries 采集 bidders 的偏好信息，该方法在实验中显示出高效性和潜力，克服了 value queries 的认知负担限制，为研究和实践搭建了桥梁。

Aug, 2023

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

本文研究了以差分隐私为视角的私人数据市场。我们提出了一个理论框架，通过设计拍卖机制，为数据所有者提供合理的隐私损失补偿，并与数据分析师的准确性和预算要求达成平衡。同时，我们证明了在这种场景下，经典的维克里竞拍具有较高的优化效果。

Nov, 2010

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

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

通过采取联邦方法，提出了一种面向分散市场的数据选择方法，能够在不需要标记的验证数据的情况下，通过优化快速的过程实现更低的预测误差，直接估计获取数据对测试集预测的益处。

Mar, 2024