論文の概要: No Bidding, No Regret: Pairwise-Feedback Mechanisms for Digital Goods and Data Auctions

• arxiv url: http://arxiv.org/abs/2306.01860v1
• Date: Fri, 2 Jun 2023 18:29:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-06 23:42:47.789775
• Title: No Bidding, No Regret: Pairwise-Feedback Mechanisms for Digital Goods and Data Auctions
• Title（参考訳）: ビディングなし、レグレトなし:デジタルグッズとデータオークションのためのペアワイズフィードバックメカニズム
• Authors: Zachary Robertson, Oluwasanmi Koyejo
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 14.87136964827431
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The growing demand for data and AI-generated digital goods, such as personalized written content and artwork, necessitates effective pricing and feedback mechanisms that account for uncertain utility and costly production. Motivated by these developments, this study presents a novel mechanism design addressing a general repeated-auction setting where the utility derived from a sold good is revealed post-sale. The mechanism's novelty lies in using pairwise comparisons for eliciting information from the bidder, arguably easier for humans than assigning a numerical value. Our mechanism chooses allocations using an epsilon-greedy strategy and relies on pairwise comparisons between realized utility from allocated goods and an arbitrary value, avoiding the learning-to-bid problem explored in previous work. We prove this mechanism to be asymptotically truthful, individually rational, and welfare and revenue maximizing. The mechanism's relevance is broad, applying to any setting with made-to-order goods of variable quality. Experimental results on multi-label toxicity annotation data, an example of negative utilities, highlight how our proposed mechanism could enhance social welfare in data auctions. Overall, our focus on human factors contributes to the development of more human-aware and efficient mechanism design.
• Abstract（参考訳）: パーソナライズされた文書コンテンツやアートワークなど、データやaiが生成するデジタルグッズに対する需要の高まりは、有用性やコストのかかる生産コストを考慮する効果的な価格とフィードバックメカニズムを必要としている。 本研究は, 市販商品から派生したユーティリティが販売後に明らかになるような, 一般的な再販環境に対処する新しいメカニズムを提示する。 このメカニズムの斬新さは、入札者から情報を引き出すためのペアワイズ比較を使うことであり、数値を割り当てるよりも間違いなく人間にとって容易である。 本機構は,epsilon-greedy戦略を用いてアロケーションを選択し,割り当てられた商品から実現可能なユーティリティと任意の価値をペアで比較する。 我々は、このメカニズムが漸近的に真実であり、個々に合理的であり、福祉と収益の最大化であることを示す。 メカニズムの関連性は広く、様々な品質のオーダー商品の任意の設定に適用できる。 負の効用の一例である多ラベル毒性アノテーションデータによる実験結果から,データオークションにおける社会福祉の促進効果が示唆された。 全体として、人間の要因に焦点が当てられていることは、より人間に敏感で効率的なメカニズム設計の発展に寄与する。

関連論文リスト

• No Screening is More Efficient with Multiple Objects [0.0]
  我々は,残余剰の最大化,割当から発生する合計値を,エージェントの値のスクリーニングコストを抑えることを目的としている。 我々は,スタイリングされた環境における効率的なメカニズムを特徴付けることによって,その基礎となる要因を分析した。 本稿では,感染予防接種を計画するための効果的なシステムとして,RIB(Register-invite-book System)を提案する。
  論文  参考訳（メタデータ） (2024-08-19T15:20:42Z)
• Data Trading Combination Auction Mechanism based on the Exponential Mechanism [0.27309692684728615]
  我々は,購入者の入札プライバシの漏洩を防止するために,指数的メカニズム(DCAE)に基づくテキストデータ取引結合オークション機構を設計する。 提案手法は,2つのシナリオにおいて異なるメカニズムの選択を考慮し,実験結果から,高いオークション収入を確保するとともに,購入者のプライバシが侵害されることを防止できることが示唆された。
  論文  参考訳（メタデータ） (2024-05-12T17:11:50Z)
• Refined Mechanism Design for Approximately Structured Priors via Active Regression [50.71772232237571]
  我々は、大量の商品を戦略的入札者に販売する収益を最大化する販売業者の問題を考える。 この設定の最適かつほぼ最適のメカニズムは、特徴付けや計算が難しいことで有名である。
  論文  参考訳（メタデータ） (2023-10-11T20:34:17Z)
• Robust multi-item auction design using statistical learning: Overcoming uncertainty in bidders' types distributions [6.5920927560926295]
  提案手法は,非パラメトリック密度推定を用いて,過去の入札から入札者のタイプを正確に推定する。 本機構の効率をさらに高めるために,クエリ削減のための2つの新しい戦略を導入する。 小規模データと大規模データの両方で実施されたシミュレーション実験により、当社のメカニズムは、収益設計やクエリ削減の観点から、既存の手法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2023-02-02T08:32:55Z)
• 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)
• Mechanisms that Incentivize Data Sharing in Federated Learning [90.74337749137432]
  我々は、データ共有の利点が完全に損なわれているような、ナイーブなスキームが破滅的なフリーライディングのレベルにどのように結びつくかを示す。 次に,各エージェントが生成するデータ量を最大化する精度形成機構を導入する。
  論文  参考訳（メタデータ） (2022-07-10T22:36:52Z)
• Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
  反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。 現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。 本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
  論文  参考訳（メタデータ） (2021-06-14T20:48:48Z)
• Online Learning of Competitive Equilibria in Exchange Economies [94.24357018178867]
  経済学では、複数の有理エージェント間の資源不足の共有は古典的な問題である。 エージェントの好みを学習するためのオンライン学習機構を提案する。 数値シミュレーションにより,本機構の有効性を実証する。
  論文  参考訳（メタデータ） (2021-06-11T21:32:17Z)
• 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)

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。