論文の概要: Neural Auctions Compromise Bidder Information

• arxiv url: http://arxiv.org/abs/2303.00116v1
• Date: Tue, 28 Feb 2023 22:36:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-02 16:38:26.101644
• Title: Neural Auctions Compromise Bidder Information
• Title（参考訳）: バイダ情報に反するニューラルオークション
• Authors: Alex Stein, Avi Schwarzschild, Michael Curry, Tom Goldstein, John Dickerson
• Abstract要約: シングルショットオークションは、例えば広告スペースを販売したり、無線周波数を割り当てたりする際に、商品を売る手段として一般的に使用される。 ニューラルネットワークは、オークションが戦略的かつ個々に合理的であるという制約を満たしつつ、最適なメカニズムを近似するために使用できることが示されている。 このようなオークションは収益を最大化するが、個人入札情報を開示するコストがかかることを示している。
• 参考スコア（独自算出の注目度）: 43.82512707595423
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Single-shot auctions are commonly used as a means to sell goods, for example when selling ad space or allocating radio frequencies, however devising mechanisms for auctions with multiple bidders and multiple items can be complicated. It has been shown that neural networks can be used to approximate optimal mechanisms while satisfying the constraints that an auction be strategyproof and individually rational. We show that despite such auctions maximizing revenue, they do so at the cost of revealing private bidder information. While randomness is often used to build in privacy, in this context it comes with complications if done without care. Specifically, it can violate rationality and feasibility constraints, fundamentally change the incentive structure of the mechanism, and/or harm top-level metrics such as revenue and social welfare. We propose a method that employs stochasticity to improve privacy while meeting the requirements for auction mechanisms with only a modest sacrifice in revenue. We analyze the cost to the auction house that comes with introducing varying degrees of privacy in common auction settings. Our results show that despite current neural auctions' ability to approximate optimal mechanisms, the resulting vulnerability that comes with relying on neural networks must be accounted for.
• Abstract（参考訳）: シングルショットオークションは、例えば広告スペースの販売や無線周波数の割り当てなど、商品を販売する手段として一般的に使用されるが、複数の入札者と複数の商品を持つオークションの仕組みは複雑である。 ニューラルネットワークは、オークションが戦略的かつ個別的に合理的であるという制約を満たしながら、最適なメカニズムを近似するために使用できることが示されている。 このようなオークションは収益を最大化するが、個人入札情報を開示するコストがかかることを示している。 ランダム性はしばしばプライバシを構築するために使用されるが、このコンテキストでは、注意せずに行うと複雑になる。 具体的には、合理性と実現可能性の制約に違反し、メカニズムのインセンティブ構造を根本的に変えたり、収益や社会福祉といったトップレベルの指標を害したりすることができる。 本稿では,収益を犠牲にしてのみオークション機構の要件を満たしつつ,プライバシ向上のための確率的手法を提案する。 我々は、一般的なオークション設定で様々なプライバシーを導入し、オークションハウスのコストを分析します。 その結果、現在のニューラルネットワークオークションでは最適なメカニズムを近似する能力があるにもかかわらず、ニューラルネットワークに依存することによって生じる脆弱性を考慮すべきであることがわかった。

関連論文リスト

• Advancing Ad Auction Realism: Practical Insights & Modeling Implications [2.8413290300628313]
  本稿では,広告主を敵の帯域幅アルゴリズムが支配するエージェントとしてモデル化することで,現代の広告オークションに対する有用な洞察を得ることができることを示す。 ソフトフロアは適切な選択されたリザーブ価格よりも低い収益をもたらし、単一のクエリに注意を向けることさえできる。
  論文  参考訳（メタデータ） (2023-07-21T17:45:28Z)
• No Bidding, No Regret: Pairwise-Feedback Mechanisms for Digital Goods and Data Auctions [14.87136964827431]
  本研究は, 一般的な繰り返しオークション設定に対処する新しいメカニズムを提案する。 メカニズムの新規性は、入札者から情報を引き出すためにペアワイズ比較を使用することにある。 ヒューマンファクターに焦点が当てられていることは、よりヒューマン・アウェアで効率的なメカニズム設計の発展に寄与する。
  論文  参考訳（メタデータ） (2023-06-02T18:29:07Z)
• Benefits of Permutation-Equivariance in Auction Mechanisms [90.42990121652956]
  競売人の収益を最大化しつつ、競売人の過去の後悔を最小限にする競売メカニズムは、経済学において重要であるが複雑な問題である。 ニューラルネットワークによる最適なオークションメカニズムの学習を通じて、注目すべき進歩が達成されている。
  論文  参考訳（メタデータ） (2022-10-11T16:13:25Z)
• A Context-Integrated Transformer-Based Neural Network for Auction Design [25.763612577196124]
  オークションデザインにおける中心的な問題の1つは、競売人の予想収益を最大化するインセンティブに適合するメカニズムを開発することである。 最適なオークション設計のためのコンテクスト積分変換器ベースニューラルネットワークである$mathtCITransNet$を提案する。 我々は、$mathttCITransNet$が、シングルイット設定で既知の最適解を回復し、マルチイットオークションで強いベースラインを上回り、トレーニング中以外のケースによく当てはまることを示す。
  論文  参考訳（メタデータ） (2022-01-29T03:47:00Z)
• PreferenceNet: Encoding Human Preferences in Auction Design with Deep Learning [31.509832387330928]
  制約をエンコードする既存のニューラルネットワークベースのオークション機構の拡張であるPreferenceNetを提案する。 提案手法は,現在最先端のニューラルネットベースのオークション設計と競合することを示す。
  論文  参考訳（メタデータ） (2021-06-06T19:29:40Z)
• Towards Prior-Free Approximately Truthful One-Shot Auction Learning via Differential Privacy [0.0]
  事前依存した設定で複数項目のオークションを見つけるためのディープラーニング技術。 我々は、RegretNetアプローチを事前のフリー設定に適用するように修正する。 予備実験結果と定性解析について述べる。
  論文  参考訳（メタデータ） (2021-03-31T23:22:55Z)
• ProportionNet: Balancing Fairness and Revenue for Auction Design with Deep Learning [55.76903822619047]
  本研究では,強力なインセンティブ保証を備えた収益最大化オークションの設計について検討する。 我々は、高い収益と強力なインセンティブ保証を維持しつつ、公平性の懸念に対処するため、深層学習を用いてオークションを近似する手法を拡張した。
  論文  参考訳（メタデータ） (2020-10-13T13:54:21Z)
• Certifying Strategyproof Auction Networks [53.37051312298459]
  我々は、任意の数のアイテムと参加者でオークションを表現できるRegretNetアーキテクチャに焦点を当てる。 本稿では,ニューラルネットワーク検証文献から得られた手法を用いて,特定の評価プロファイルの下で戦略の安全性を明示的に検証する方法を提案する。
  論文  参考訳（メタデータ） (2020-06-15T20:22:48Z)
• VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit Feedback [104.06766271716774]
  本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。 まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。 当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
  論文  参考訳（メタデータ） (2020-04-19T18:00:58Z)
• Generalization Guarantees for Multi-item Profit Maximization: Pricing, Auctions, and Randomized Mechanisms [86.81403511861788]
  購入者の価値に根ざした分布が存在する場合のマルチイテム利益について検討する。 購入者の値の任意のセットに対して、利益はメカニズムのパラメーターにおいて断片的に線形である。 我々は、まだサンプルベースのメカニズム設計文献にはないメカニズムクラスに対する新しい境界を証明した。
  論文  参考訳（メタデータ） (2017-04-29T22:02:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。