論文の概要: Contextual Procurement Auctions with Bandit Learning

• arxiv url: http://arxiv.org/abs/2607.05813v2
• Date: Wed, 08 Jul 2026 04:01:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 12:30:34.819521
• Title: Contextual Procurement Auctions with Bandit Learning
• Title（参考訳）: 帯域学習による文脈調達オークション
• Abstract要約: 本研究では,生産者が私的費用を負担し,プラットフォームが帯域フィードバックからコンテキスト依存の製品価値を学習しなければならない,文脈的調達オークションについて検討する。 まず, UCB の自然割当規則は, 真剣な入札により, 福祉的後悔の代償として$tilde O(sqrtngT) に達することを示す。 次に、初期入札非依存の探索段階における支払いを見積もる凍結支払い UCBを導入し、その支払い見積を凍結し、その後、適応的なUPB割当学習を継続する。
• 参考スコア（独自算出の注目度）: 11.979115396351203
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study repeated contextual procurement auctions in which producers have private costs and the platform must learn context-dependent product values from bandit feedback. The objective is welfare rather than revenue or a virtual-cost surrogate: regret is the total surplus loss relative to the full-information efficient procurement rule. We first show that the natural UCB allocation rule attains $\tilde O(\sqrt{ngT})$ welfare regret under truthful bids, but its adaptive bid-dependent learning path does not by itself give a truthfulness guarantee. To obtain exact incentives, we design a bid-independent explore-then-commit mechanism with empirical critical payments; it is dominant-strategy truthful and has $\tilde O((ng)^{1/3}T^{2/3})$ regret. We then introduce frozen-payment UCB, which estimates payments in an initial bid-independent exploration phase, freezes those payment estimates, and continues adaptive UCB allocation learning afterwards. Under a smoothed truthful-path margin condition, this mechanism gives a regret-incentive tradeoff: the near-UCB tuning attains $\tilde O(\sqrt{ngT})$ welfare regret, while the average per-round gain from any fixed deviation is at most $\tilde O(T^{-1/4})$ for fixed $n,g$. A matching lower bound shows that this frozen-payment frontier is unavoidable.
• Abstract（参考訳）: 本研究では,生産者が個人のコストを負担し,プラットフォームが帯域幅フィードバックからコンテキスト依存の製品価値を学習しなければならない,反復的なコンテキスト調達オークションについて検討する。 目的は収入よりも福祉であり、またはバーチャルコストの補助金であり、後悔は完全な情報効率のよい調達ルールに対する総余剰損失である。 提案手法は, 提案法により, UCB の自然割当規則が真剣な入札条件下での福祉的後悔に対して$\tilde O(\sqrt{ngT}) を達成できることを最初に示したが, その適応的入札依存学習経路は, それ自体が真剣性を保証するものではない。 厳密なインセンティブを得るため,実証的クリティカルペイメントを伴う入札非依存の探索的コミット機構を設計し,支配的ストラテジー的真理であり,約$\tilde O((ng)^{1/3}T^{2/3})を後悔する。 次に、初期入札非依存の探索段階における支払いを見積もる凍結支払い UCBを導入し、その支払い見積を凍結し、その後、適応的なUPB割当学習を継続する。 滑らかな真理パス境界条件の下では、このメカニズムは後悔に満ちたトレードオフを与える: 近UCB のチューニングは、$\tilde O(\sqrt{ngT})$ 福祉後悔を達成するが、固定偏差からの平均的な1ラウンド当たりのゲインは、少なくとも$\tilde O(T^{-1/4})$ for fixed $n,g$である。 一致する下限は、この凍結支払いフロンティアが避けられないことを示している。

関連論文リスト

• Discrepancy-Rounded Fair Bandits with Static and Time-Varying Exposure Floors [7.100140700856556]
  露光フロアを正確に調べて、正しい物体が丸みを帯びた問題であることを示す。 主な貢献は、時間によって異なるフロアを持つブロックワイズモデルである。 合成床、MovieLens-100kジャンルの露出、および展開ストレステストの実験は、ペナルティチューニングなしで正確に実現可能であることを示した。
  論文  参考訳（メタデータ） (2026-07-24T22:20:44Z)
• Bayesian Best-Arm Identification with Abstention: A Polynomial-to-Exponential Phase Transition [51.253617466579335]
  本研究では,学習者が端末の推薦を控えることができるベイジアン固定予算のベストアーム識別問題について検討する。 本研究は,非検出誤りの確率を解析し,吸収を伴わない準最適腕を推奨するリスクについて考察する。
  論文  参考訳（メタデータ） (2026-06-28T05:07:27Z)
• Learning to Bid in Repeated Second-Price Auctions with Dynamic Values and Aggregated Feedback [5.65780894346598]
  入札者の価値が動的である場合、すなわち、現在の価値が過去の結果に依存する場合、入札者の価値が動的である場合、入札を学習する問題について研究する。 我々は,プラグイン推定器と最適ポリシーの微分方程式を組み合わせた学習手法のクラスに対して,後悔すべき境界を導出する。
  論文  参考訳（メタデータ） (2026-05-27T08:20:08Z)
• Learning to Bid with Unknown Private Values in Budget-Constrained First-Price Auctions [29.924744639408786]
  制約付きFPAに対して,遅延LTE評価パラメータと競合相手の入札分布を協調的に学習する,一元的二元的フレームワークを提案する。 推定誤差はラグランジアン乗算器によって動的にスケールされ、後悔を招く可能性がある。 提案手法は, ほぼ最適な後悔の保証を達成し, 潜在的評価を伴う制約入札に対する理論上は初めての解決法を提供する。
  論文  参考訳（メタデータ） (2026-05-10T10:00:25Z)
• Learning to Allocate Resources with Censored Feedback [37.26445474395888]
  我々は、検閲されたフィードバックの下で、B$の予算をK$の腕に割り当てなければならないオンラインリソース割り当て問題について検討する。 非自明なパラメータ推定と信頼境界を利用する楽観的なアルゴリズムであるRA-UCBを提案する。 そして、実世界のデータセットの実験を通して理論結果を検証する。
  論文  参考訳（メタデータ） (2026-02-06T10:04:54Z)
• Tight Regret Bounds for Fixed-Price Bilateral Trade [9.12082890580808]
  両貿易における固定価格機構について, 後悔最小化レンズを用いて検討した。 独立値の場合、$widetildeTheta(T2/3)$ tight bound for $textsfGlobal Budget Balance$ fixed-price mechanism with two-bit/one-bit feedback。 相関値/逆値の場合、$Omega(T3/4)$ lower bound for $textsfGlobal Budget Balance$ fixed-price mechanism with two-bit/one-bit feedback。
  論文  参考訳（メタデータ） (2025-04-06T03:56:42Z)
• Improved learning rates in multi-unit uniform price auctions [20.8319469276025]
  複数ユニットの均一価格オークションにおけるオンライン学習の課題を,対立する入札設定に焦点をあてて検討した。 我々は,この問題の構造を活かした学習アルゴリズムが,帯域幅フィードバック下での$tildeO(K4/3T2/3)の後悔を実現することを証明した。 電力備蓄市場からインスパイアされたフィードバックモデルを導入し,すべての入札を提示する。
  論文  参考訳（メタデータ） (2025-01-17T13:26:12Z)
• Nearly Optimal Algorithms for Contextual Dueling Bandits from Adversarial Feedback [58.66941279460248]
  人からのフィードバックから学ぶことは、大言語モデル(LLM)のような生成モデルを調整する上で重要な役割を果たす 本稿では,このドメイン内のモデルについて考察する。-文脈的デュエルバンディット(contextual dueling bandits)と,正の選好ラベルを相手によって反転させることができる対向フィードバック(reversarial feedback)について考察する。 本稿では,不確実性重み付き最大推定に基づく頑健なコンテキストデュエルバンドイット(RCDB)を提案する。
  論文  参考訳（メタデータ） (2024-04-16T17:59:55Z)
• Adversarial Combinatorial Bandits with Switching Costs [55.2480439325792]
  本稿では,各ラウンドで選択したアームのスイッチに対して,切替コストが$lambda$の逆帯域問題について検討する。 ミニマックスの後悔とそれにアプローチするための設計アルゴリズムの限界を低くする。
  論文  参考訳（メタデータ） (2024-04-02T12:15:37Z)
• Improved Regret for Bandit Convex Optimization with Delayed Feedback [50.46856739179311]
  遅延フィードバックを伴うバンド凸最適化(BCO)。 我々は,新しいアルゴリズムを開発し,一般にO(sqrtnT3/4+sqrtdT)$の後悔境界を満足していることを証明する。 提案アルゴリズムは,強い凸関数に対して$O((nT)2/3log/3T+dlog T)$に制限された後悔を改善することができることを示す。
  論文  参考訳（メタデータ） (2024-02-14T13:08:26Z)
• Think Before You Duel: Understanding Complexities of Preference Learning under Constrained Resources [29.624531252627488]
  本稿では,資源消費の制約とともに,デュエル・バンディット・セットアップにおける報酬の問題について考察する。 利用可能な予算の仮定を利用して、関連する消費も考慮したEXP3デュエルアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2023-12-28T18:55:09Z)
• No-Regret Learning in Bilateral Trade via Global Budget Balance [29.514323697659613]
  我々は、様々なフィードバックモデルの下で、敵対的二元貿易のための最初のノンレグレットアルゴリズムを提供する。 フルフィードバックモデルでは、学習者は後見の最高の固定価格に対して$tilde O(sqrtT)$ regretを保証できる。 また,1ビットフィードバックを伴って,$tilde O(T3/4)$ regret upper boundを保証した学習アルゴリズムも提供する。
  論文  参考訳（メタデータ） (2023-10-18T22:34:32Z)
• Learning in Repeated Multi-Unit Pay-As-Bid Auctions [3.6294895527930504]
  本研究では,単一入札者の視点から,ペイ・アズ・バイド(PAB)オークションにおける入札戦略の問題点を考察する。 提案手法は,競合する入札が事前に知られている場合のオフライン問題を,時間アルゴリズムで解くことができることを示す。 また,PAB平衡のキャラクタリゼーションについても検討した。
  論文  参考訳（メタデータ） (2023-07-27T20:49:28Z)
• Borda Regret Minimization for Generalized Linear Dueling Bandits [65.09919504862496]
  本稿では,ボルダスコアが最も高い項目を識別することを目的とした,デュエルバンディットに対するボルダ後悔最小化問題について検討する。 本稿では,多くの既存モデルをカバーする一般化線形デュエルバンドモデルのリッチクラスを提案する。 我々のアルゴリズムは$tildeO(d2/3 T2/3)$ regretを達成し、これも最適である。
  論文  参考訳（メタデータ） (2023-03-15T17:59:27Z)
• Autobidders with Budget and ROI Constraints: Efficiency, Regret, and Pacing Dynamics [53.62091043347035]
  オンライン広告プラットフォームで競合するオートバイディングアルゴリズムのゲームについて検討する。 本稿では,全ての制約を満たすことを保証し,個人の後悔を解消する勾配に基づく学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-30T21:59:30Z)
• A Reinforcement Learning Approach in Multi-Phase Second-Price Auction Design [158.0041488194202]
  多相第2価格オークションにおけるリザーブ価格の最適化について検討する。 売り手の視点からは、潜在的に非現実的な入札者の存在下で、環境を効率的に探索する必要がある。 第三に、売り手のステップごとの収益は未知であり、非線形であり、環境から直接観察することさえできない。
  論文  参考訳（メタデータ） (2022-10-19T03:49:05Z)
• Benefits of Permutation-Equivariance in Auction Mechanisms [90.42990121652956]
  競売人の収益を最大化しつつ、競売人の過去の後悔を最小限にする競売メカニズムは、経済学において重要であるが複雑な問題である。 ニューラルネットワークによる最適なオークションメカニズムの学習を通じて、注目すべき進歩が達成されている。
  論文  参考訳（メタデータ） (2022-10-11T16:13:25Z)
• Batch-Size Independent Regret Bounds for Combinatorial Semi-Bandits with Probabilistically Triggered Arms or Independent Arms [59.8188496313214]
  半帯域 (CMAB) について検討し, 半帯域 (CMAB) におけるバッチサイズ (K$) の依存性の低減に着目した。 まず,確率的に引き起こされるアーム(CMAB-T)を用いたCMABの設定に対して,分散を考慮した信頼区間を持つBCUCB-Tアルゴリズムを提案する。 次に,独立アームを用いた非トリガ型CMABの設定に対して,TPVM条件の非トリガ型を利用したSESCBアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-08-31T13:09:39Z)
• Optimal No-regret Learning in Repeated First-price Auctions [38.908235632001116]
  オンライン学習を反復した初価オークションで研究する。 我々は,ほぼ最適の$widetildeO(sqrtT)$ regret boundを達成するための最初の学習アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2020-03-22T03:32:09Z)

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。