arXiv cs.AI· Ilan Lobel, Humberto Moreira, Omar Mouchtaki·· 3 天前AI 评分22
随机错误信号：融合 ML 预测的贝叶斯拍卖设计
Randomly Wrong Signals: Bayesian Auction Design with ML Predictions
AI 导读
研究者提出一种贝叶斯拍卖模型，将 ML 预测中看似合理却与买家真实支付意愿无关的"幻觉"与普通测量噪声区分开来。在信息性预测完全准确的基准下，该模型刻画了公开披露预测时的收益最大化拍卖机制，并说明单一买家场景下卖家何时应采纳预测、何时应忽略或设置价格上限以对冲预测失败。数值实验显示，据此设计的简单拍卖可达到接近最优的收益。
正文 · AI 翻译
摘要：机器学习可以帮助卖家预测买家的支付意愿，但其预测可能看似合理，却与买家的价值完全无关。我们引入一个贝叶斯拍卖模型，将此类幻觉与普通的测量噪声区分开来。在信息性预测是精确的基准情形下，我们刻画了公开披露预测时的收入最大化拍卖。对于单个买家，这一刻画解释了卖家何时应遵循预测，以及何时应通过忽略预测或设置价格上限来对冲预测失败的风险。这些洞见为设计同时考虑幻觉和测量噪声的简单拍卖提供了指导。数值实验表明，由此得到的拍卖可实现接近最优的收入。
| 主题： | 计算机科学与博弈论 (cs.GT)；人工智能 (cs.AI) |
| 引用为： | arXiv:2502.08792 [cs.GT] |
| （或 arXiv:2502.08792v4 [cs.GT] 对应此版本） | |
| https://doi.org/10.48550/arXiv.2502.08792 arXiv 颁发的 DOI，经由 DataCite |
提交历史
来自：Omar Mouchtaki [查看电子邮件]
[v1]
2025年2月12日星期三 21:08:28 UTC（135 KB）
[v2]
2025年10月13日星期一 13:49:32 UTC（138 KB）
[v3]
2026年1月27日星期二 19:48:13 UTC（181 KB）
[v4]
2026年10月10日星期六 01:25:10 UTC（206 KB）
来源：arXiv cs.AI · arxiv.org