贝叶斯说服中的非理性作为正则化手段
最优化与控制
2025-10-03 v1
摘要
我们研究了贝叶斯说服问题的一个正则化变体，其中接收者的决策过程包含一种衡量其偏离完美理性程度的散度基准惩罚。这种修改平滑了底层优化 landscape，缓解了经典表述中常见的关键理论问题，如可测性和不可约性。它还使使用可扩展的二阶优化方法来计算在已知NP难以解决的情境中最优信号方案成为可能。我们提出了正则化模型与原始模型之间的理论比较结果，包括收敛保证和最优信号方案的结构属性。分析实例和数值模拟说明了该框架如何在保持可处理性和鲁棒性的同时，容纳复杂环境。随附的Python库BASIL综合了本文的所有实践见解。
引用
@article{arxiv.2510.01759,
title = {Irrationality as a mean of regularization in Bayesian Persuasion},
author = {Romain Duboscq and Frédéric de Gournay},
journal= {arXiv preprint arXiv:2510.01759},
year = {2025}
}