論文の概要: Tacit Bidder-Side Collusion: Artificial Intelligence in Dynamic Auctions
- arxiv url: http://arxiv.org/abs/2511.21802v1
- Date: Wed, 26 Nov 2025 18:32:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-01 19:47:55.248948
- Title: Tacit Bidder-Side Collusion: Artificial Intelligence in Dynamic Auctions
- Title（参考訳）: Tacit Bidder-Side Collusion: 動的オークションにおける人工知能
- Authors: Sriram Tolety,
- Abstract要約: 本研究では, 自動入札者として機能する大規模言語モデルが, 繰り返しのオランダ競売において, プラットフォーム投稿による支払いをいつ受け入れるかを調整することによって, 密着的にコラージュできるかどうかを考察する。
我々は,ナッシュ平衡に対する持続的共謀のための簡易なインセンティブ整合条件と閉形しきい値が得られる最小繰り返しオークションモデルを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We study whether large language models acting as autonomous bidders can tacitly collude by coordinating when to accept platform posted payouts in repeated Dutch auctions, without any communication. We present a minimal repeated auction model that yields a simple incentive compatibility condition and a closed form threshold for sustainable collusion for subgame-perfect Nash equilibria. In controlled simulations with multiple language models, we observe systematic supra-competitive prices in small auction settings and a return to competitive behavior as the number of bidders in the market increases, consistent with the theoretical model. We also find LLMs use various mechanisms to facilitate tacit coordination, such as focal point acceptance timing versus patient strategies that track the theoretical incentives. The results provide, to our knowledge, the first evidence of bidder side tacit collusion by LLMs and show that market structure levers can be more effective than capability limits for mitigation.
- Abstract（参考訳）: 我々は,自律入札者として機能する大規模言語モデルが,繰り返し行われるオランダ競売において,プラットフォーム投稿による支払いをいつ受け付けるかを,コミュニケーションなしで調整することで,暗黙的にコラージュできるかどうかを検証した。
本稿では,サブゲーム完全ナッシュ均衡のための簡易なインセンティブ適合条件と持続的共謀のためのクローズドフォームしきい値が得られる最小繰り返しオークションモデルを提案する。
複数の言語モデルを用いた制御されたシミュレーションでは,市場における入札者の数が増えるにつれて,小規模なオークション設定における体系的な超競争的価格と競争行動への回帰が理論的モデルと一致して観察される。
また、LLMは、焦点受入タイミングや、理論的なインセンティブを追跡する患者戦略など、暗黙の協調を促進するために様々なメカニズムを使用している。
その結果, LLMによる入札側暗黙の共謀の最初の証拠が得られ, 市場構造レバーは緩和能力の限界よりも有効であることが示唆された。
関連論文リスト
- EQ-Negotiator: Dynamic Emotional Personas Empower Small Language Models for Edge-Deployable Credit Negotiation [66.09161596959771]
小型言語モデル (SLM) は実用的な代替手段を提供するが、大規模言語モデル (LLM) と比較して大きな性能差がある。
本稿では,感情的ペルソナを用いて,この能力ギャップを橋渡しする新しいフレームワークであるEQ-Negotiatorを紹介する。
EQ-Negotiator を用いた 7B パラメータ言語モデルは,ベースライン LLM の 10 倍以上の大きさで,債務回復と交渉効率が向上することを示す。
論文 参考訳（メタデータ） (2025-11-05T11:25:07Z) - Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。
シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。
マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
論文 参考訳（メタデータ） (2025-10-09T04:48:49Z) - Learning from Synthetic Labs: Language Models as Auction Participants [12.007281866970485]
本稿では, オークションの研究開発を支援するために, 新たな合成データ生成手法を提案する。
シミュレーションAIエージェント(大規模言語モデル)は,様々な古典的フォーマットのオークションにおいて,実験文献と一致していることがわかった。
論文 参考訳（メタデータ） (2025-07-12T00:00:30Z) - Learning to Coordinate Bidders in Non-Truthful Auctions [9.642382646285805]
非実効オークションにおけるベイズ相関均衡の複雑さについて検討する。
我々は、戦略形式のBCEの集合が、入札者の値のサンプルの$$$$ $tilde O(fracnvarepsilon2)で学習できることを証明した。
提案手法は,全ての単調入札戦略のクラスにおける擬似次元の分析と合わせて,入札者の期待する効用をサンプルから推定する問題への還元である。
論文 参考訳（メタデータ） (2025-07-03T17:03:14Z) - From Debate to Equilibrium: Belief-Driven Multi-Agent LLM Reasoning via Bayesian Nash Equilibrium [52.28048367430481]
マルチエージェントフレームワークは、大規模言語モデル(LLM)の推論能力を高めることができるが、通常は計算コストと収束保証が欠如している。
我々は、不完全情報ゲームとしてマルチLLMコーディネーションをリキャストし、ベイズナッシュ均衡(BNE)を求める。
我々は、分散推論と集中的な最終出力を結合する階層的強化学習パラダイムである、Nash Equilibrium (ECON)による効率的なコーディネーションを導入する。
論文 参考訳（メタデータ） (2025-06-09T23:49:14Z) - Deep Learning for Double Auction [3.3799233225949576]
不完全な情報、インセンティブ整合性(IC)、個人合理性(IR)の制約により、最適なオークション機構を見つけることは極めて難しい。
本研究では,需要側と供給側の両方に不完全な情報が存在する二重オークションのための深層学習手法を開発する。
我々は、トランスフォーマーベースのアーキテクチャを利用して、市場参加者を様々な市場規模のシーケンスとしてモデル化することで、一般化性を実現する。
論文 参考訳（メタデータ） (2025-04-07T08:56:32Z) - By Fair Means or Foul: Quantifying Collusion in a Market Simulation with Deep Reinforcement Learning [1.5249435285717095]
本研究は、反復価格競争の実験的なオリゴポリーモデルを用いる。
我々は,エージェントが開発する戦略と価格パターンについて検討し,その結果を導出する可能性がある。
以上の結果から,RLをベースとしたAIエージェントは,超競争的価格帯電を特徴とする癒着状態に収束することが示唆された。
論文 参考訳（メタデータ） (2024-06-04T15:35:08Z) - Cooperation, Competition, and Maliciousness: LLM-Stakeholders Interactive Negotiation [52.930183136111864]
我々は,大言語モデル(LLM)を評価するためにスコーラブルネゴシエーション(scorable negotiations)を提案する。
合意に達するには、エージェントは強力な算術、推論、探索、計画能力を持つ必要がある。
我々は、新しいゲームを作成し、進化するベンチマークを持つことの難しさを増大させる手順を提供する。
論文 参考訳（メタデータ） (2023-09-29T13:33:06Z) - MoTiAC: Multi-Objective Actor-Critics for Real-Time Bidding [47.555870679348416]
そこで本研究では,MoTiACというマルチエクティブ・アクタ・クリティカルスアルゴリズムを提案する。
従来のRLモデルとは異なり、提案されたMoTiACは複雑な入札環境で同時に多目的タスクを達成できる。
論文 参考訳（メタデータ） (2020-02-18T07:16:39Z)
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。