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