arXiv cs.AI· Lilian Sun, Henry Huang, Fucheng Warren Zhu, Giannis Daras, Constantinos Daskalakis·· 3 天前AI 评分18
基于扩散模型的多赢家横幅广告拍卖框架
Diffusion-Based Auctions for Multi-Winner Banner Ads
AI 导读
研究者提出一种基于扩散模型的横幅广告拍卖框架，允许多个竞标者共同赢得同一广告位，并根据出价强度影响最终展示的广告图像。该机制将竞标者的出价与文本描述合并为分数，驱动扩散模型反向过程采样候选图像，再从中选出福利最大化的结果。实验显示，该分配规则在效率、单调性及近似激励兼容性上均优于单一赢家规则，且保持图像质量。
正文 · AI 翻译
摘要：我们提出了一种横幅广告拍卖的新框架，利用扩散模型允许多个竞标者共同赢得单个横幅广告机会，特别是根据其出价强度影响横幅上展示的广告，与标准横幅广告拍卖相比，实现了远为丰富的结果空间——在标准拍卖中，只有一个赢家展示其广告。在我们的框架中，结果是图像（展示什么广告），每个竞标者通过声明其对机制所选图像与其期望图像的文本描述之间每单位对齐的价值来表达对结果的偏好。我们提出的机制将广告主的出价和文本描述组合成一个分数，驱动扩散模型的逆向过程。这用于从一组候选图像中采样，最终从中选择福利最大化的图像。大量实验围绕以下维度评估我们提出的机制：（1）我们的分配规则相对于单一赢家分配规则的效率提升；（2）我们分配规则的单调性；（3）将我们的分配规则与基于 Myerson 引理或基于 Clarke 规则的支付相结合时的近似激励相容性。随着蒙特卡洛样本数量的增加，所有维度均显示出改进。同时，这些收益是在保持图像质量的前提下实现的。
| 评论： | 发表于 EC 2026 |
| 主题： | 计算机科学与博弈论（cs.GT）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.14473 [cs.GT] |
| （或 arXiv:2610.14473v1 [cs.GT] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14473 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Constantinos Daskalakis [查看电子邮件]
[v1]
2026年10月10日星期六 02:04:55 UTC（21,079 KB）
来源：arXiv cs.AI · arxiv.org