在线公平分配广义均值福利最大化研究

2026年10月3日，arXiv cs.LG 刊出一项研究，针对 T 件物品在 n 个异质偏好智能体间的在线公平分配问题，目标是最大化广义均值福利，即智能体时间平均效用的 p-mean（p∈(-∞,1)）。在 i.i.d. 到达模型下，纯贪心算法无需分布知识，仅靠在线样本即可达到最优的 Õ(1/T) 平均遗憾；在时变分布的非平稳模型中，每个分布仅需一个历史样本即可恢复该最优遗憾率，且对分布偏移保持稳健。目前该研究以预印本形式公开，尚无后续进展报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。