NeurIPS 2020 | 非诚实拍卖中效用与均衡的学习问题

本文是第三十四届神经信息处理系统大会（NeurIPS 2020）入选论文《非诚实拍卖中效用与均衡的学习问题（Learning Utilities and Equilibria in Non-Truthful Auctions）》的解读。

近年来不少文章（如[3, 4, 5]）研究了非完美信息拍卖中的样本复杂性问题。然而，大部分工作考虑的都是卖家收益最大化的样本复杂性，鲜有工作研究买家收益最大化。而且，大部分现有工作都关注诚实拍卖，不涉及非诚实的报价策略。[6]是一个特例：他们研究了非诚实拍卖中一位买家诚实报价的效用与非诚实报价的效用至多相差多少。与本文一样，[6]也采用了“采样->估计”的思路。但他们没有解决如何找到一组同时最大化所有买家的效用的策略（即纳什均衡）的问题，而这正是本文的贡献之一。