論文の概要: Strategy-Proof Auctions through Conformal Prediction

• arxiv url: http://arxiv.org/abs/2405.12016v3
• Date: Sun, 7 Jul 2024 14:48:38 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-10 01:39:50.325861
• Title: Strategy-Proof Auctions through Conformal Prediction
• Title（参考訳）: コンフォーマル予測による戦略証明オークション
• Authors: Roy Maor Lotan, Inbal Talgam-Cohen, Yaniv Romano,
• Abstract要約: 厳密な統計的保証で戦略の安全性を達成するための新しいアプローチを導入する。 提案手法の主な特徴は, (i) 試行時間における戦略保護性違反の定量化に使用される後悔予測モデルの定式化, (ii) 新たなオークションにおいて,データ駆動機構が戦略保護性要件に高い確率で適合することを保証するために, 予測された後悔を利用するオークション受理規則である。
• 参考スコア（独自算出の注目度）: 19.750369749595734
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Auctions are key for maximizing sellers' revenue and ensuring truthful bidding among buyers. Recently, an approach known as differentiable economics based on deep learning shows promise in learning optimal auction mechanisms for multiple items and participants. However, this approach has no guarantee of strategy-proofness at test time. Strategy-proofness is crucial as it ensures that buyers are incentivized to bid their true valuations, leading to optimal and fair auction outcomes without the risk of manipulation. Building on conformal prediction, we introduce a novel approach to achieve strategy-proofness with rigorous statistical guarantees. The key novelties of our method are: (i) the formulation of a regret prediction model, used to quantify at test time violations of strategy-proofness; and (ii) an auction acceptance rule that leverages the predicted regret to ensure that for a new auction, the data-driven mechanism meets the strategy-proofness requirement with high probability (e.g., 99\%). Numerical experiments demonstrate the necessity for rigorous guarantees, the validity of our theoretical results, and the applicability of our proposed method.
• Abstract（参考訳）: 競売は売り手の収益を最大化し、買い手の間で真剣な入札を確保するための鍵である。 近年、深層学習に基づく微分経済学として知られるアプローチは、複数の項目や参加者に対して最適な競売メカニズムを学習する上で有望であることを示している。 しかし、このアプローチはテスト時に戦略の安全性を保証するものではありません。 戦略保護は、買い手が真のバリュエーションの入札にインセンティブを与えられることを保証し、操作のリスクを伴わずに最適かつ公正なオークションの結果をもたらすため、極めて重要である。 整合予測に基づいて,厳密な統計的保証で戦略の安全性を実現するための新しいアプローチを導入する。 我々の方法の主な特徴は次のとおりである。 一 戦略保護の試験時違反の定量化に使用する後悔予測モデルの定式化及び (II)新たなオークションにおいて、データ駆動機構が高い確率(例:99\%)で戦略保護要件を満たすことを保証するために、予測された後悔を利用するオークション受理規則。 数値実験により,厳密な保証の必要性,理論結果の有効性,提案手法の適用性が確認された。

関連論文リスト

• Strategic Conformal Prediction [0.66567375919026]
  機械学習モデルがデプロイされると、その予測はその環境を変えることができる。 本稿では,このような環境下での確実な定量化が可能な新たなフレームワークであるストラテジック・コンフォーマル予測を提案する。
  論文  参考訳（メタデータ） (2024-11-03T15:06:05Z)
• Conformal Counterfactual Inference under Hidden Confounding [19.190396053530417]
  反ファクトの世界における潜在的な結果の予測と不確実性は、因果推論における因果的問題を引き起こす。 反事実に対する信頼区間を構成する既存の方法は、強い無知の仮定に依存する。 提案手法は, 限界収束保証付き実測結果に対する信頼区間を提供するトランスダクティブ重み付き共形予測に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-05-20T21:43:43Z)
• 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)
• Adaptive Risk-Aware Bidding with Budget Constraint in Display Advertising [47.14651340748015]
  本稿では,強化学習による予算制約を考慮した適応型リスク対応入札アルゴリズムを提案する。 リスク・アット・バリュー(VaR)に基づく不確実性とリスク傾向の本質的関係を理論的に明らかにする。
  論文  参考訳（メタデータ） (2022-12-06T18:50:09Z)
• Conformal Off-Policy Prediction in Contextual Bandits [54.67508891852636]
  コンフォーマルなオフ政治予測は、新しい目標ポリシーの下で、結果に対する信頼できる予測間隔を出力することができる。 理論上の有限サンプル保証は、標準的な文脈的バンディットの設定を超える追加の仮定をすることなく提供する。
  論文  参考訳（メタデータ） (2022-06-09T10:39:33Z)
• Multi-Stage Decentralized Matching Markets: Uncertain Preferences and Strategic Behaviors [91.3755431537592]
  本稿では、現実世界のマッチング市場で最適な戦略を学ぶためのフレームワークを開発する。 我々は,不確実性レベルが特徴の福祉対フェアネストレードオフが存在することを示す。 シングルステージマッチングと比較して、マルチステージマッチングで参加者がより良くなることを証明します。
  論文  参考訳（メタデータ） (2021-02-13T19:25:52Z)
• Learning Strategies in Decentralized Matching Markets under Uncertain Preferences [91.3755431537592]
  エージェントの選好が不明な場合,共有資源の不足の設定における意思決定の問題について検討する。 我々のアプローチは、再生されたカーネルヒルベルト空間における好みの表現に基づいている。 エージェントの期待した利益を最大化する最適な戦略を導出する。
  論文  参考訳（メタデータ） (2020-10-29T03:08:22Z)
• CoinDICE: Off-Policy Confidence Interval Estimation [107.86876722777535]
  強化学習における高信頼行動非依存のオフ政治評価について検討する。 様々なベンチマークにおいて、信頼区間推定が既存の手法よりも厳密で精度が高いことが示されている。
  論文  参考訳（メタデータ） (2020-10-22T12:39:11Z)
• 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)
• Optimal Bidding Strategy without Exploration in Real-time Bidding [14.035270361462576]
  予算制約によるユーティリティの最大化は、リアルタイム入札(RTB)システムにおける広告主の主要な目標である。 それまでの作品は、検閲された国家の困難を和らげるために競売に敗れたことを無視していた。 本稿では,リアルタイムトラフィックで観測される真の分布の挙動を模倣するために,最大エントロピー原理を用いた新しい実用的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-03-31T20:43:28Z)

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。