論文の概要: Repeated Bilateral Trade: The Quest for Fairness
- arxiv url: http://arxiv.org/abs/2606.15369v1
- Date: Sat, 13 Jun 2026 16:07:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:33.464667
- Title: Repeated Bilateral Trade: The Quest for Fairness
- Title（参考訳）: 繰り返し二国間貿易 : 公正の追求
- Authors: François Bachoc, Roberto Colomboni, Emilie Kaufmann,
- Abstract要約: フェアネスの観点から二国間貿易を繰り返し検討する。
自然フェアネス・デシダラタは、公正ゲイン目的の1パラメータRawls-to-Nash族に導かれることを示す。
フェアゲイン目的のRawls-to-Nashファミリー全体の最適学習率を特徴付ける。
- 参考スコア（独自算出の注目度）: 17.23569324718592
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study repeated bilateral trade from a fairness perspective. At each round, a fresh seller-buyer pair arrives, and the platform posts a price before observing the traders' valuations. Trade occurs only if both agents accept the price. Rather than maximizing only the gain from trade, we consider platforms that seek balanced divisions of the generated surplus. We show that natural fairness desiderata lead to a one-parameter Rawls-to-Nash family of fair-gain objectives, obtained by aggregating the seller's and buyer's net gains through nonpositive Hölder means. Unlike the standard gain-from-trade objective and the Rawlsian fair-gain objective studied in prior work, our proposed objectives induce a new statistical structure in which expected rewards are recovered from threshold feedback through a two-dimensional singular-kernel integral identity. This leads to a nonstandard pure-exploration problem whose natural estimators are rectangular double sums with row-column dependence and singular weights. Assuming independent i.i.d. seller and buyer valuation sequences with arbitrary unknown marginals, we characterize the optimal learning rates for the whole Rawls-to-Nash family of fair-gain objectives, giving matching fixed-confidence sample-complexity and regret bounds up to polylogarithmic factors.
- Abstract（参考訳）: フェアネスの観点から二国間貿易を繰り返し検討する。
各ラウンドで、新しい売り手と買い手のペアが到着し、トレーダのバリュエーションを観察する前に、プラットフォームが価格を提示する。
取引は、双方のエージェントが価格を受け入れる場合にのみ行われる。
貿易の利益のみを最大化するのではなく、生成された余剰のバランスの取れた分割を求めるプラットフォームを検討します。
自然の公正性は,非正のヘルダー手段で売り手と買い手の純利益を集約して得られる,公正利得目的のRawls-to-Nashファミリーを1パラメータに導くことを示す。
従来研究で研究されてきた標準利得目標とRawlsianフェアゲイン目標とは違って,提案手法では,2次元特異カーネル積分等式を用いて,期待される報酬をしきい値フィードバックから回収する新たな統計構造を導出する。
これは、自然推定器が行列依存と特異重みを持つ長方形の二重和である非標準純粋探索問題につながる。
任意の未知の残差を持つ独立したi.d.d.売り手と買い手の評価シーケンスを仮定し、公正ゲイン目的のRawls-to-Nashファミリー全体の最適学習率を特徴付ける。
関連論文リスト
- Transfer Learning for Contextual Joint Assortment-Pricing under Cross-Market Heterogeneity [6.055048454425298]
我々は,帯域フィードバックを持つ多項ロジット選択モデルの下で,コンテキスト型共同価格の伝達学習について検討した。
UCBスタイルの政策とアグリゲート・then-debias推定を組み合わせたバイアス認識フレームワークを開発した。
論文 参考訳（メタデータ） (2026-03-18T14:48:04Z) - Nonparametric Contextual Online Bilateral Trade [15.586783656868706]
文脈的オンライン二国間貿易の問題について検討する。
学習者の目標は、両者間の貿易を促進するために価格を公表することである。
階層木構築による文脈情報を活用するアルゴリズムを設計する。
論文 参考訳（メタデータ） (2026-02-13T13:03:30Z) - Fairness Aware Reward Optimization [78.85867531002346]
本稿では,Fairness Aware Reward Optimization (Faro)を紹介した。Fairness Aware Reward Optimization (Faro)は,階層的平等,等化オッズ,あるいは反実的フェアネス制約の下で報酬モデルを訓練するプロセス内フレームワークである。
LLMアライメントにおける報酬レベルの公平性に関する最初の理論的解析を行った。
Faroはモデルの品質を維持したり改善したりしながら、バイアスや有害な世代を著しく削減します。
論文 参考訳（メタデータ） (2026-02-08T03:35:49Z) - A Tight Regret Analysis of Non-Parametric Repeated Contextual Brokerage [8.049531918823758]
本稿では, 繰り返しブローカー問題の文脈バージョンについて検討する。
各インタラクションにおいて、アイテムのプライベートバリュエーションを持つ2人のトレーダーは、学習者の提案するブローカー価格に基づいて、いくつかのコンテキスト情報によって通知される購入または販売を求めます。
ブローカーの目標は、トレーダーの純益(トレーダーの評価額分布の完全な知識を持つ神託と比較して、後悔を最小限に抑えることでトレーダーの利益としても知られる)を最大化することである。
論文 参考訳（メタデータ） (2025-03-03T08:42:55Z) - Fairness-Aware Meta-Learning via Nash Bargaining [63.44846095241147]
本稿では,機械学習におけるグループレベルの公平性の問題に対処する2段階のメタ学習フレームワークを提案する。
第1段階では、過度な競合を解決するためにNash Bargaining Solution(NBS)を使用して、モデルをステアリングする。
6つのキーフェアネスデータセットと2つの画像分類タスクにおいて、様々なフェアネス目標に対して経験的効果を示す。
論文 参考訳（メタデータ） (2024-06-11T07:34:15Z) - Fair Allocation in Dynamic Mechanism Design [57.66441610380448]
競売業者が各ラウンドの買い手グループに、合計で$T$で分けない商品を販売している問題を考える。
競売人は、各グループの最低平均配分を保証する公正な制約に固執しつつ、割引された全体の収益を最大化することを目的としている。
論文 参考訳（メタデータ） (2024-05-31T19:26:05Z) - Learning to Maximize Gains From Trade in Small Markets [6.204762177970342]
両面市場(ダブルオークション)をインセンティブの整合性と予算バランスの制約の下で設計する問題について検討する。
この結果は,1つの売り手と2つの買い手の間でも相関した値の分布の場合の一般的な不可能性である。
2つ目は、独立分布の場合、1つの売り手と2つの買い手のための効率的な学習アルゴリズムです。
論文 参考訳（メタデータ） (2024-01-21T20:57:12Z) - DualFair: Fair Representation Learning at Both Group and Individual
Levels via Contrastive Self-supervision [73.80009454050858]
この研究は、DualFairと呼ばれる自己教師型モデルを提示し、学習された表現から性別や人種などのセンシティブな属性をデバイアスすることができる。
我々のモデルは、グループフェアネスと対実フェアネスという2つのフェアネス基準を共同で最適化する。
論文 参考訳（メタデータ） (2023-03-15T07:13:54Z)
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。