論文の概要: Efficiency of Proportional Mechanisms in Online Auto-Bidding Advertising
- arxiv url: http://arxiv.org/abs/2604.12799v1
- Date: Tue, 14 Apr 2026 14:29:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-15 19:11:32.498377
- Title: Efficiency of Proportional Mechanisms in Online Auto-Bidding Advertising
- Title（参考訳）: オンライン自動入札広告における比例的メカニズムの効率性
- Authors: Nguyen Kim Thang,
- Abstract要約: 本研究では,純ナッシュ均衡の効率,特に流動的福祉目的の下でのアナーキー(PoA)の価格について検討する。
代用的な支払い方式で改定されたバージョンを導入し、1 + fracO(1)n-1$で、$n geq 2$は入札エージェントの数を表す。
- 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: The rise of automated bidding strategies in online advertising presents new challenges in designing and analyzing efficient auction mechanisms. In this paper, we focus on proportional mechanisms within the context of auto-bidding and study the efficiency of pure Nash equilibria, specifically the price of anarchy (PoA), under the liquid welfare objective. We first establish a tight PoA bound of 2 for the standard proportional mechanism. Next, we introduce a modified version with an alternative payment scheme that achieves a PoA bound of $1 + \frac{O(1)}{n-1}$ where $n \geq 2$ denotes the number of bidding agents. This improvement surpasses the existing PoA barrier of 2 and approaches full efficiency as the number of agents increases. Our methodology leverages duality and the Karush-Kuhn-Tucker (KKT) conditions from linear and convex programming. Despite its conceptual simplicity, our approach proves powerful and may offer broader applications for establishing PoA bounds.
- Abstract（参考訳）: オンライン広告における自動入札戦略の台頭は、効率的なオークション機構の設計と分析に新たな課題をもたらす。
本稿では,自動入札の文脈における比例的なメカニズムに着目し,純ナッシュ均衡の効率,特にアナーキーの価格(PoA)について検討する。
まず、標準比例機構に対して2の厳密なPoA境界を確立する。
次に、1 + \frac{O(1)}{n-1}$, $n \geq 2$は入札エージェントの数を表す。
この改善は、既存のPoAバリア2を超え、エージェントの数が増えるにつれて、完全な効率に近づきます。
我々の手法は線形および凸プログラミングから双対性とカルーシュ・クーン・タッカー(KKT)条件を利用する。
概念的単純さにもかかわらず、我々のアプローチは強力であり、PoA境界を確立するための幅広い応用を提供するかもしれない。
関連論文リスト
- Diffusing to Coordinate: Efficient Online Multi-Agent Diffusion Policies [51.24079409973799]
拡散に基づく生成モデルは、オンラインマルチエージェント強化学習(MARL)のニーズを満たすために適切に配置されている
我々は、アンダーライン拡散ポリシーを用いて、最初のアンダーラインオフラインアンダーラインMARLフレームワークを提案する。
私たちのキーとなるイノベーションは、拡張された関節のエントロピーを最大化する、緩和された政策目標です。
論文 参考訳（メタデータ） (2026-02-20T15:38:02Z) - SEGB: Self-Evolved Generative Bidding with Local Autoregressive Diffusion [9.051746879211764]
Self-Evolved Generative Bidding (SEGB)は、積極的に計画し、完全にオフラインで洗練するフレームワークである。
SEGBはまず、各入札をガイドするために、もっともらしい短水平状態の状態を合成し、エージェントに決定的かつダイナミックな監視を提供する。
そして、外部の介入なしに優れた戦略を反復的に発見するために、価値誘導された政策改善を行う。
論文 参考訳（メタデータ） (2025-12-31T09:05:59Z) - HOB: A Holistically Optimized Bidding Strategy under Heterogeneous Auction Mechanisms with Organic Traffic [23.230940625345372]
電子商取引広告プラットフォームは通常、第2価格オークション(SPA)または第1価格オークション(FPA)を通じて商業トラフィックを販売している。
自動入札システムにとって、このような傾向は重要な課題であり、多様な広告主の目的を満たすため、異種オークションチャネルをまたいだ最適な戦略を決定することである。
我々は,有機トラフィックの存在を考慮に入れた,FPAチャネル下での最適入札のための効率的なソリューションを導出する。
論文 参考訳（メタデータ） (2025-10-17T02:00:09Z) - Nash Equilibrium Constrained Auto-bidding With Bi-level Reinforcement Learning [64.2367385090879]
本稿では,プラットフォームの観点から,自動入札問題の新たな定式化を提案する。
これは、$epsilon$-NE制約の下ですべての広告主の社会的福祉を最大化することを目的としている。
NCB問題は、その制約された二段階構造と、典型的には多くの広告主が関与しているため、重大な課題を提起している。
論文 参考訳（メタデータ） (2025-03-13T12:25:36Z) - Procurement Auctions via Approximately Optimal Submodular Optimization [53.93943270902349]
競売業者がプライベートコストで戦略的売り手からサービスを取得しようとする競売について検討する。
我々の目標は、取得したサービスの品質と販売者の総コストとの差を最大化する計算効率の良いオークションを設計することである。
論文 参考訳（メタデータ） (2024-11-20T18:06:55Z) - Robust and Performance Incentivizing Algorithms for Multi-Armed Bandits with Strategic Agents [52.75161794035767]
性能インセンティブとロバストネスの2つの目的を同時に満たすバンディットアルゴリズムのクラスを導入する。
そこで本研究では,第2価格オークションのアイデアをアルゴリズムと組み合わせることで,プリンシパルが腕の性能特性に関する情報を持たないような設定が可能であることを示す。
論文 参考訳（メタデータ） (2023-12-13T06:54:49Z) - Learning Payment-Free Resource Allocation Mechanisms [19.60309632660988]
ニューラルネットワークを用いた自己関心エージェント間のリソース制限機構の設計について検討する。
支払いなしのメカニズム設計に"マネーバーニング"というアイデアを取り入れた、新たなエンドツーエンドニューラルネットワークアーキテクチャであるExS-Netをコントリビュートしています。
論文 参考訳（メタデータ） (2023-11-18T01:21:54Z) - 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) - Learning Dynamic Mechanisms in Unknown Environments: A Reinforcement Learning Approach [123.55983746427572]
本稿では,複数ラウンドの対話を通して動的ビックレー・クラーク・グローブ(VCG)機構を回復するための新しい学習アルゴリズムを提案する。
当社のアプローチの重要な貢献は、報酬のないオンライン強化学習(RL)を取り入れて、リッチな政策分野の探索を支援することである。
論文 参考訳（メタデータ） (2022-02-25T16:17:23Z) - 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。