論文の概要: Opening the Black Box of Neural Auction Mechanisms

• arxiv url: http://arxiv.org/abs/2611.01981v1
• Date: Sun, 01 Nov 2026 15:18:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-12 13:40:12.698861
• Title: Opening the Black Box of Neural Auction Mechanisms
• Title（参考訳）: ニューラルオークション機構のブラックボックスを開く
• Abstract要約: トレーニングされたニューラルネットワークオークションをアンパックするための,ポストホックなホワイトボックス監査フレームワークを提案する。 検証された特徴は、内部表現が戦略的誤レポートのインセンティブをどう調節するかを解析する手段として有効であることを示す。
• 参考スコア（独自算出の注目度）: 14.640233456289161
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Neural auction design has emerged as a powerful paradigm within automated mechanism design for modern Web platforms. Because these learned mechanisms directly dictate critical economic outcomes, their lack of internal transparency raises significant auditability and trust concerns. Opening this black box \textit{post-hoc} is therefore essential, yet presents two distinctive challenges: (1) activation contexts are dense, correlated numerical profiles devoid of explicit semantic structure, and (2) feature interpretations can only be falsifiably audited if they map to measurable auction states or outcomes. In this paper, we propose a post-hoc white-box auditing framework for unpacking trained neural auctions. Using CITransNet as a representative testbed, we first employ sparse autoencoders to decompose hidden representations while faithfully preserving downstream auction behavior. Anchoring feature interpretations to native economic targets, we validate them through activation prediction and causal interventions to isolate verified features from the reconstruction dictionary. Finally, applying this pipeline across varied auction settings, we show that the verified features can serve as analytical instruments to examine how internal representations modulate strategic misreporting incentives, align with Myerson's optimal auction, and support the diagnosis of individual auctions. Our work highlights the potential of white-box mechanism auditing to build the foundational trust necessary for neural auctions to be deployed as widely adopted Web technologies. To enhance research transparency and facilitate independent inspection, we publicly release the experimental results supporting our findings at https://github.com/Li-Beverly-Kong/opening-neural-auctions.git
• Abstract（参考訳）: ニューラルオークションデザインは、現代のWebプラットフォームのための自動メカニズム設計において強力なパラダイムとして登場した。 これらの学習メカニズムが経済的成果を直接決定するので、内部の透明性の欠如は監査可能性や信頼の懸念を生じさせる。 このブラックボックス「textit{post-hoc}」を開くことは必須であるが、(1)アクティベーションコンテキストは密で、有意な意味構造を持たない相関した数値プロファイル、(2)特徴解釈は、測定可能なオークション状態や結果にマップした場合にのみファロシフィブルに監査される。 本稿では,トレーニングされたニューラルオークションを解き放つためのポストホックなホワイトボックス監査フレームワークを提案する。 CITransNetを代表的テストベッドとして使用し、まずスパースオートエンコーダを用いて、下流のオークション動作を忠実に保存しながら、隠れた表現を分解する。 特徴解釈を母国経済の目標に当てはめ,活性化予測と因果的介入を通じて検証し,検証された特徴を再構築辞書から抽出する。 最後に, このパイプラインを様々なオークション設定に適用することにより, 内部表現が戦略ミスレポートインセンティブをどのように調節するか, マーソンの最適オークションと整合し, 個々のオークションの診断を支援するための分析機器として機能することを示す。 我々の研究は、ニューラルネットワークオークションが広く採用されているWeb技術としてデプロイされるために必要な基礎的信頼を構築するためのホワイトボックスメカニズム監査の可能性を強調している。 研究透明性の向上と独立検査の促進を目的として, https://github.com/Li-Beverly-Kong/opening-neural-auctions.git.comで行った実験結果の公開を行った。

関連論文リスト

• LLM Advertisement based on Neuron Auctions [16.15577957062828]
  生成広告は 重要な収益化戦略として現れます プロンプトインジェクションや固い位置スロットといった既存の手法はセマンティックコヒーレンスを妨害する。 本稿では, オークション対象を表面テキスト空間からLLMの内部表現にシフトさせる新しいパラダイムであるニューロトンオークションを紹介する。
  論文  参考訳（メタデータ） (2026-05-08T16:54:39Z)
• YOLOv10 with Kolmogorov-Arnold networks and vision-language foundation models for interpretable object detection and trustworthy multimodal AI in computer vision perception [0.0]
  Kolmogorov-Arnoldネットワークは、You Only Look Once (Yolov10)検出の信頼性をモデル化するために、解釈可能なポストホックサロゲートとして使用される。 コモン・オブジェクト・イン・コンテクスト(COCO)とバス大学キャンパスの画像の両方の実験では、このフレームワークが信頼度の低い予測を正確に識別していることが示されている。
  論文  参考訳（メタデータ） (2026-03-24T10:13:43Z)
• IMMACULATE: A Practical LLM Auditing Framework via Verifiable Computation [49.796717294455796]
  経済的なモチベーションのある逸脱を検出するための実践的な監査フレームワークIMMACULATEを提案する。 IMMACULATEは、検証可能な計算を用いて少数のリクエストを選択的に監査し、暗号オーバーヘッドを償却しながら強力な検出保証を達成する。
  論文  参考訳（メタデータ） (2026-02-26T07:21:02Z)
• SWAP: Towards Copyright Auditing of Soft Prompts via Sequential Watermarking [58.475471437150674]
  ソフトプロンプト(SWAP)のための逐次透かしを提案する。 SWAPは、特定のディフェンダー指定のアウト・オブ・ディストリビューション・クラスを通じて、透かしを符号化する。 11のデータセットの実験では、SWAPの有効性、無害性、および潜在的適応攻撃に対する堅牢性を示す。
  論文  参考訳（メタデータ） (2025-11-05T13:48:48Z)
• Kick Bad Guys Out! Conditionally Activated Anomaly Detection in Federated Learning with Zero-Knowledge Proof Verification [31.38942054994932]
  フェデレーテッド・ラーニング(FL)システムは敵の攻撃を受けやすい。 RedJasperは、現実世界のFLデプロイメント用に特別に設計された2段階の異常検出手法である。 第1段階で不審な活動を特定し、第2段階を条件付きで活性化し、不審な局所モデルをさらに精査する。
  論文  参考訳（メタデータ） (2023-10-06T07:09:05Z)
• Neural Auctions Compromise Bidder Information [43.82512707595423]
  シングルショットオークションは、例えば広告スペースを販売したり、無線周波数を割り当てたりする際に、商品を売る手段として一般的に使用される。 ニューラルネットワークは、オークションが戦略的かつ個々に合理的であるという制約を満たしつつ、最適なメカニズムを近似するために使用できることが示されている。 このようなオークションは収益を最大化するが、個人入札情報を開示するコストがかかることを示している。
  論文  参考訳（メタデータ） (2023-02-28T22:36:00Z)
• Be Your Own Neighborhood: Detecting Adversarial Example by the Neighborhood Relations Built on Self-Supervised Learning [64.78972193105443]
  本稿では,予測に有効な新しいAE検出フレームワークを提案する。 AEの異常な関係と拡張バージョンを区別して検出を行う。 表現を抽出し、ラベルを予測するために、既製の自己監視学習(SSL)モデルが使用される。
  論文  参考訳（メタデータ） (2022-08-31T08:18:44Z)
• Optimal-er Auctions through Attention [3.1423836318272773]
  本稿では、RegretNetの2つの独立した修正、すなわち、TransRegretと呼ばれるアテンションメカニズムに基づく新しいニューラルアーキテクチャと、解釈可能な代替損失関数を提案する。 あらゆる実験において、TransRegretは既存のアーキテクチャの収益を一貫して上回っていることが分かりました。
  論文  参考訳（メタデータ） (2022-02-26T10:47:12Z)
• Open-set Adversarial Defense with Clean-Adversarial Mutual Learning [93.25058425356694]
  本稿では, オープンセット認識システムは, 対向サンプルに対して脆弱であることを示す。 これらの観測により,我々はオープンセット・ディフェンス(OSAD)機構の必要性を強調した。 本稿では,OSAD問題に対する解決策として,OSDN-CAML(Create-Adversarial Mutual Learning)を用いたオープンセット防衛ネットワークを提案する。
  論文  参考訳（メタデータ） (2022-02-12T02:13:55Z)
• Open-set Adversarial Defense [93.25058425356694]
  オープンセット認識システムは敵攻撃に対して脆弱であることを示す。 本研究の目的は,OSAD(Open-Set Adrial Defense, Open-Set Adrial Defense)機構の必要性である。 本稿はOSAD問題に対する解決策として,OSDN(Open-Set Defense Network)を提案する。
  論文  参考訳（メタデータ） (2020-09-02T04:35:33Z)
• Certifying Strategyproof Auction Networks [53.37051312298459]
  我々は、任意の数のアイテムと参加者でオークションを表現できるRegretNetアーキテクチャに焦点を当てる。 本稿では,ニューラルネットワーク検証文献から得られた手法を用いて,特定の評価プロファイルの下で戦略の安全性を明示的に検証する方法を提案する。
  論文  参考訳（メタデータ） (2020-06-15T20:22:48Z)

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。