带溢出的竞赛：如何通过 GenAI 激励内容创作

GenAI 的兴起放大了正溢出的经济现象。当创作者贡献可被大语言模型（LLM）复用和重构的内容时，每个人的努力都可能通过促进他人内容质量的提升而产生价值——这源于其他人能够轻易受益于已有内容的模仿与重组。一方面，这些溢出为整个生态系统创造价值；另一方面，它们风险削弱创作者投入真实努力的激励，因其他人可能自由受益于他们的贡献。为此，我们提出了内容创作带溢出（CCS）模型。在我们的模型中，每个创作者选择的努力水平，以及其他人的努力，共同决定其内容质量。平台旨在在创作者行为稳定（纯 Nash 均衡）的前提下最大化消费者的社会福祉，但只能观察最终的质量，而无法洞察底层努力。有趣的是，诸如获胜者全拿和 Tullock 等简单机制会导致均衡不存在。为此，我们提出了参数化的初步分配机制族，保证均衡存在并具有唯一的 Pareto 优势均衡。虽然最大化该族的社会福祉是 NP-hard 的，但我们开发了适用于广泛溢出结构类的近似算法，提供强有力的福利保证。 Specifically，在最坏情况分析下，我们为受限溢出和树状溢出设计了高效算法。我们还引入了贪心成本选择，一种线性时间算法，在平均情况分析中实现近乎最优的结果。总体而言，我们的结果为在 GenAI 时代维持人类内容创作提供了博弈论基础。