贝叶斯拍卖设计论文更新至v4

Ilan Lobel、Humberto Moreira 与 Omar Mouchtaki 将论文《Randomly Wrong Signals: Bayesian Auction Design with ML Predictions》更新至 v4，提出一种贝叶斯拍卖模型，把机器学习对买家支付意愿的"幻觉式"错误预测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，该模型刻画了收益最大化拍卖的形态，并说明单一买家场景中卖家何时应采纳预测、何时应忽略预测或设置价格上限来对冲其失效。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。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。