論文の概要: Price of Anarchy of First-Price Auctions in Agentic Markets

• arxiv url: http://arxiv.org/abs/2610.20587v1
• Date: Wed, 14 Oct 2026 17:57:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.297341
• Title: Price of Anarchy of First-Price Auctions in Agentic Markets
• Title（参考訳）: エージェント市場における第一価格入札のアナキシーの価格
• Abstract要約: エージェント市場は、AIエージェントが各ユーザプロンプトを請求する分散サービスタイム市場である。 この論文は、エージェント市場がアナーキーの価格を下げる特徴を持つ可能性が高いと主張している。
• 参考スコア（独自算出の注目度）: 36.7107208771907
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: An agentic market is a decentralized serving-time market where AI agents bid to claim each user prompt. An agent's bid is based on its expected value for the prompt, which is the expectation of the reward for its response minus its inference costs. First-price auctions (FPAs), in which the highest bidder pays its bid and receives the prompt, are a natural way to allocate prompts in such a market, since they are simple and transparent to run, and do not require central knowledge of private capabilities and costs. However, FPAs are not truthful: participants may bid less than their true value in the hope of a larger profit, and the prompt may then be allocated to someone other than the bidder who values it the most. This welfare loss is quantified by the $\textit{price-of-anarchy}$ (PoA). In this paper, we argue that agentic markets are likely to possess features that reduce the price-of-anarchy. The first is a $\textit{competitive floor}$, which occurs when multiple bidders usually value the prompt above some baseline share of the optimal welfare (e.g., because the best models are often distilled into cheaper alternatives, which perform similarly). We show that competition among them then limits the welfare loss, which can be driven to zero as the floor rises. The second feature is $\textit{near-independence}$ of values after conditioning on the prompt, which occurs when most of the predictable variation in the expected value is determined by the difficulty of the prompt. As the value distribution approaches conditional independence, we can derive an efficiency guarantee that approaches a factor of $1 - 1/e^2$ of the optimal welfare. Thus, both features give rise to welfare lower bounds that are significantly better than the well-known general case of $1 - 1/e$. We validate these results empirically using auctions with strategic bidders simulated on the EmbedLLM prompt routing dataset.
• Abstract（参考訳）: エージェント市場は、AIエージェントが各ユーザプロンプトを請求する分散サービスタイム市場である。 エージェントの入札は、そのプロンプトに対する期待値に基づいており、これはその応答に対する報酬が推論コストを抑えることを期待している。 最高入札者が入札を支払い、そのプロンプトを受け取るファーストプライスオークション(FPA)は、単純で透明性があり、私的能力やコストに関する中央知識を必要としないため、そのような市場でプロンプトを割り当てる自然な方法である。 しかし、FPAは真実ではない:参加者はより大きな利益を期待して真の価値よりも低い入札を行うことができ、そのプロンプトを最も評価する入札者以外の誰かに割り当てることができる。 この福祉損失は、$\textit{price-of-anarchy}$ (PoA) によって定量化される。 本稿では,エージェント市場がアナーキーの価格を下げる特徴を持つ可能性が高いことを論じる。 1つは$\textit{competitive floor}$で、複数の入札者が最適福祉のベースラインシェアの上のプロンプト(例えば、最良のモデルはしばしばより安い代替品に蒸留され、同様に動作するため)を評価した場合に発生する。 それらの競争によって福祉損失が制限され、フロアが上昇するにつれてゼロに推し進めることが示される。 2つ目の特徴は、プロンプトの条件付け後の値の$\textit{near-independence}$である。 価値分布が条件付き独立に近づくと、最適福祉の1/1^2ドルに近づく効率保証を導き出すことができる。 したがって、どちらの特徴も、よく知られた1/e$の一般的な場合よりもはるかに優れた福祉的境界を生じる。 本研究では,EmbedLLMプロンプトルーティングデータセットを模擬した,戦略的入札を伴うオークションを用いて,これらの結果を実証的に検証する。

関連論文リスト

• Online Fair Division for Personalized $2$-Value Instances [51.278096593080456]
  オンラインフェアディビジョン(オンラインフェアディビジョン)では,商品が一度に1つずつ到着し,定額のエージェントが配置されている。 善が現れると、各エージェントの持つ値が明らかになり、エージェントの1つに即時かつ不可逆的に割り当てられなければならない。 我々は、よく知られた公平性の概念に関して、最悪の場合の保証を得る方法を示す。
  論文  参考訳（メタデータ） (2025-05-28T09:48:16Z)
• 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 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)
• Advancing Ad Auction Realism: Practical Insights & Modeling Implications [2.8413290300628313]
  本稿では,広告主を敵の帯域幅アルゴリズムが支配するエージェントとしてモデル化することで,現代の広告オークションに対する有用な洞察を得ることができることを示す。 ソフトフロアは適切な選択されたリザーブ価格よりも低い収益をもたらし、単一のクエリに注意を向けることさえできる。
  論文  参考訳（メタデータ） (2023-07-21T17:45:28Z)
• 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)
• Fast Rate Learning in Stochastic First Price Bidding [0.0]
  ファーストプライスのオークションは、プログラム広告におけるビックレーのオークションに基づく伝統的な入札アプローチを大きく置き換えている。 対戦相手の最大入札分布が分かっている場合, 後悔度を著しく低くする方法を示す。 我々のアルゴリズムは、様々な入札分布の文献で提案されている選択肢よりもはるかに高速に収束する。
  論文  参考訳（メタデータ） (2021-07-05T07:48:52Z)
• 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)
• Scalable Bid Landscape Forecasting in Real-time Bidding [12.692521867728091]
  プログラム広告では、広告スロットは通常、第二価格(SP)オークションを使ってリアルタイムで販売される。 SPでは、1つの項目に対して、各入札者の支配的な戦略は、入札者の視点から真の価値を入札することである。 本稿では,ヘテロセダスティックな完全パラメトリック・レグレッション・アプローチと混合密度・レグレッション・ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-01-18T03:20:05Z)

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。