論文の概要: Market Games for Generative Models: Equilibria, Welfare, and Strategic Entry

• arxiv url: http://arxiv.org/abs/2602.17787v1
• Date: Thu, 19 Feb 2026 19:44:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-23 18:01:41.121407
• Title: Market Games for Generative Models: Equilibria, Welfare, and Strategic Entry
• Title（参考訳）: 生産モデルのための市場ゲーム:均衡、福祉、戦略的参入
• Authors: Xiukun Wei, Min Shi, Xueru Zhang,
• Abstract要約: 我々は3層モデル・プラットフォーム・ユーザ・マーケットゲームを形式化する。 市場構造がモデル全体の平均性能に依存することを示す。 モデルプールの拡大は必ずしもユーザの福祉や市場の多様性を増すものではないことを示す。
• 参考スコア（独自算出の注目度）: 13.232077127553218
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative model ecosystems increasingly operate as competitive multi-platform markets, where platforms strategically select models from a shared pool and users with heterogeneous preferences choose among them. Understanding how platforms interact, when market equilibria exist, how outcomes are shaped by model-providers, platforms, and user behavior, and how social welfare is affected is critical for fostering a beneficial market environment. In this paper, we formalize a three-layer model-platform-user market game and identify conditions for the existence of pure Nash equilibrium. Our analysis shows that market structure, whether platforms converge on similar models or differentiate by selecting distinct ones, depends not only on models' global average performance but also on their localized attraction to user groups. We further examine welfare outcomes and show that expanding the model pool does not necessarily increase user welfare or market diversity. Finally, we design novel best-response training schemes that allow model providers to strategically introduce new models into competitive markets.
• Abstract（参考訳）: 生成モデルエコシステムは競争力のあるマルチプラットフォーム市場として機能し、プラットフォームは共有プールからモデルを戦略的に選択し、不均一な好みを持つユーザはそれらの中から選択する。 プラットフォームがどのように相互作用するか、市場均衡が存在する場合、モデルプロジェクタやプラットフォーム、ユーザ行動によって結果が形成されるか、社会的福祉がどのように影響を受けるかを理解することは、有益な市場環境を育む上で重要である。 本稿では,3層モデル-プラットフォーム-ユーザ市場ゲームを形式化し,純粋なナッシュ均衡の存在条件を特定する。 分析の結果、プラットフォームが類似したモデルに収束するか、異なるモデルを選択することで差別化するかの市場構造は、モデル全体の平均性能だけでなく、ユーザグループへの局所的魅力にも依存していることがわかった。 さらに福祉効果について検討し,モデルプールの拡大が必ずしもユーザ福祉や市場の多様性を増すとは限らないことを示す。 最後に,モデル提供者が競争市場に新たなモデルを戦略的に導入するための,新たなベストレスポンストレーニングスキームを設計する。

関連論文リスト

• Impacts of Aggregation on Model Diversity and Consumer Utility [8.367827809551459]
  市場参入とモデル置換の2種類のモデル変更について検討する。 我々は、Winrateがモデル作成者に対して、両方のモデル変更に対して均質化を動機付けることができることを示す。 より高品質な回答に対してモデルに報酬を与える,新たなメカニズムである重み付きウインレートを提案する。
  論文  参考訳（メタデータ） (2026-02-26T18:04:03Z)
• Visual Model Selection using Feature Importance Clusters in Fairness-Performance Similarity Optimized Space [1.8682641481190012]
  モデルポートフォリオ間のトレードオフのナビゲートと解釈を支援するインタラクティブなフレームワークを提案する。 我々の手法は、弱教師付き計量学習を利用して、公正さとパフォーマンス結果の類似性を反映したマハラノビス距離を学習する。 次に,特徴量の変換表現に基づいて,グループモデルにクラスタリング手法(k-means)を適用する。
  論文  参考訳（メタデータ） (2025-10-25T08:18:41Z)
• Markets for Models [0.0]
  我々は、企業が予測を改善するためにモデルを消費者に販売する市場を調査する。 競争相手の参入を抑えるために、非効率に偏ったモデルや非効率にコストがかかるモデルを選択できることを示します。
  論文  参考訳（メタデータ） (2025-03-04T19:07:02Z)
• Exploring Model Kinship for Merging Large Language Models [73.98345036483299]
  我々は, モデル進化を反復的融合を通じて研究し, 生物進化の類似性について考察した。 モデル親和性はマージによって達成された性能改善と密接に関連していることを示す。 本稿では,新しいモデル統合戦略を提案する。
  論文  参考訳（メタデータ） (2024-10-16T14:29:29Z)
• An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
  フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。 FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。 本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-02-02T07:25:53Z)
• Improved Bayes Risk Can Yield Reduced Social Welfare Under Competition [99.7047087527422]
  本研究は,機械学習のスケーリングトレンドの振る舞いを根本的に変化させることを実証する。 データ表現品質の改善により、ユーザ間での全体的な予測精度が低下する、多くの設定が見つかる。 概念レベルでは,各モデルプロジェクタのスケーリング傾向が,社会福祉の下流改善に寄与する必要はないことが示唆された。
  論文  参考訳（メタデータ） (2023-06-26T13:06:34Z)
• Competition, Alignment, and Equilibria in Digital Marketplaces [97.03797129675951]
  プラットフォームアクションがバンディットアルゴリズムであり,両プラットフォームがユーザ参加を競うデュオポリー市場について検討する。 私たちの主な発見は、この市場における競争は、市場の結果をユーザーユーティリティと完全に一致させるものではないということです。
  論文  参考訳（メタデータ） (2022-08-30T17:43:58Z)
• Consistency-based Merging of Variability Models [62.997667081978825]
  本稿では,コンテキストモデリングとコンフリクト検出の概念に基づく可変性モデル統合のアプローチを紹介する。 基礎となる概念と対応する性能分析の結果について述べる。
  論文  参考訳（メタデータ） (2021-02-15T16:28:42Z)
• Characterizing Fairness Over the Set of Good Models Under Selective Labels [69.64662540443162]
  同様の性能を実現するモデルセットに対して,予測公正性を特徴付けるフレームワークを開発する。 到達可能なグループレベルの予測格差の範囲を計算するためのトラクタブルアルゴリズムを提供します。 選択ラベル付きデータの実証的な課題に対処するために、我々のフレームワークを拡張します。
  論文  参考訳（メタデータ） (2021-01-02T02:11:37Z)

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。