In this paper, we study belief elicitation about an uncertain future event, where the reports will affect a principal's decision. We study two problems that can arise in this setting: (1) Agents may have an interest in the outcome of the principal's decision. We show that with intrinsic competing incentives (an interest in a decision that is internal to an agent) truthfulness cannot be guaranteed and there is a fundamental tradeoff between how much the principal allows reports to influence the decision, how much budget the principal has, and the degree to which a mechanism can be manipulated. Furthermore, we show that the Quadratic Scoring Rule is worst-case optimal in minimizing the degree of manipulation. In contrast, we obtain positive results and truthful mechanisms in a setting where the competing incentives stem instead from a rational briber who wants to promote a particular decision. We show that the budget required to achieve this robustness scales with the sum of squares of the degree to which agent reports can influence the decision. (2) We study the setting where the future event is only observed conditionally on the decision taken. We give a category of mechanisms that are truthful when agent beliefs are independent but fails with dependent beliefs, and show how to resolve this through a decoupling method.


翻译:在本文中,我们研究信仰对未来不确定事件的影响,报告将影响到校长的决定;我们研究在这一背景下可能出现的两个问题:(1) 代理人可能关心校长的决定结果;我们表明,由于内在的相互竞争的激励(代理人内部决定的利益),真实性无法得到保证,而且本金在多大程度上允许报告影响决定,本金有多少预算,以及一个机制在多大程度上可以操纵,这两者之间存在着根本的权衡。此外,我们表明,在最大限度减少操纵程度方面,“二次曲线规则”是最坏的情况。相反,在竞争的激励来源于理性的贿赂者,而希望促进特定决定的情况下,我们获得了积极的结果和真实的机制。我们表明,实现这种稳健的尺度所需的预算是代理人报告能够影响决定的平方之和。(2) 我们研究未来事件仅以所作决定为条件的情景。我们给出了在代理人信仰独立但缺乏依赖性信念的情况下,如何通过一种方法来证明这种方式是真实的。</s>

0
下载
关闭预览

相关内容

强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
国家自然科学基金
0+阅读 · 2016年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Arxiv
46+阅读 · 2021年10月4日
Neural Architecture Search without Training
Arxiv
10+阅读 · 2021年6月11日
Arxiv
14+阅读 · 2020年12月17日
Deep Anomaly Detection with Outlier Exposure
Arxiv
17+阅读 · 2018年12月21日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
相关基金
国家自然科学基金
0+阅读 · 2016年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Top
微信扫码咨询专知VIP会员