在线双边贸易的强基准：从固定价格到分布
计算机科学与博弈论
2026-02-06 v1
摘要
我们研究在线双边贸易,其中学习者通过多轮交换实现买家和卖家之间的交易,以最大化从贸易中获得的收益(Gain From Trade,GFT)，即社会福利。为此,学习者必须确保不为市场补贴。通常通过每轮实施的弱预算平衡(WBB)来实现这一约束。尽管如此,Bernasconi 等人[2024]表明,对利润施加全局预算平衡(GBB)约束(在整个时间范围内强制实施)可通过乘子因子提高 GFT。尽管这看起来只是一种松弛,但这意味着所有现有的 WBB 算法在衡量 GBB 最优解时都会出现线性后悔。本文提供了第一个在随机环境下实现对 GBB 基准实现亚线性后悔的算法,在单比特反馈下。特别是,我们表明当价值联合分布具有有界密度时,我们的算法实现 级别的后悔。我们的结果表明,学习最优 WBB 价格的一维问题与学习最优 GBB 分布(价格对的分布)的二维问题之间不存在分离。
引用
@article{arxiv.2602.05681,
title = {A Stronger Benchmark for Online Bilateral Trade: From Fixed Prices to Distributions},
author = {Anna Lunghi and Mattia Piccinato and Matteo Castiglioni and Alberto Marchesi},
journal= {arXiv preprint arXiv:2602.05681},
year = {2026}
}