具有双边Bandit反馈的双重拍卖

双重拍卖实现了买方与卖方之间商品的去中心化转移，从而构成许多在线市场运作的基础。买卖双方通过这些市场中的竞价进行竞争，但往往事先并不知晓自身的估值。由于配置与定价通过竞价完成，参与者的盈利性——进而此类市场的可持续性——关键取决于通过重复交互学习各自估值。我们开创性地在买方与卖方两侧均具bandit反馈的双重拍卖市场中展开研究。我们表明，基于置信界竞价与“平均定价”可使参与者间实现高效价格发现。特别地，买卖双方合并估值——即社会后悔(social regret)——在 $T$ 轮中的后悔为 $O(\log(T)/\Delta)$，其中 $\Delta$ 为最小价格间隙。此外，进行商品交换的买方与卖方各自取得 $O(\sqrt{T})$ 后悔。反之，未从交换中获益的买方与卖方在 $T$ 轮中各自仅经历 $O(\log{T}/ \Delta)$ 后悔。我们以证明在某些双重拍卖市场中 $\omega(\sqrt{T})$ 的个体后悔与 $\omega(\log{T})$ 的社会后悔不可达，来补充上述上界。我们的论文首次在双边市场中提供去中心化学习算法，其中两侧均存在需被学习的不确定偏好。