LaMP-Val: 大语言模型赋能拍卖中的个性化估值
计算工程、金融与科学
2025-10-30 v2
摘要
拍卖是一种重要的经济机制，通过在特定框架内进行竞争性投标来确定商品或服务的市场价值。然而，当前的研究主要关注拍卖机制中的投标算法，往往忽略了将个体用户的独特偏好纳入估值过程的潜在益处。我们的理论和实证分析表明，估值误差会显著影响整体效用。为弥补这一不足，我们提出了一种个性化估值框架，即大语言模型驱动的个性化估值（LaMP-Val），该框架集成大语言模型，将个性化语义偏好融入用户的估值过程。LaMP-Val 包含三个组件：数据、学习和评估。数据组件解决了为个性化估值建模中的大语言模型微调构建新型数据集的挑战。学习组件引入多样性模板，以增强大语言模型对细粒度个人估值模式进行建模的能力。评估组件建立了一个闭环系统，其中大语言模型生成的估值与投标策略和拍卖进行交互，并提出了两个新指标来量化个性化场景中的估值精度和投标意图准确性。大量实验表明，与基线方法相比，LaMP-Val 能更准确地捕捉个性化价值，并实现更高的利润。
引用
@article{arxiv.2410.15817,
title = {LaMP-Val: Large Language Models Empower Personalized Valuation in Auction},
author = {Jie Sun and Tianyu Zhang and Houcheng Jiang and Kexin Huang and Xiang Shu and Zhibo Zhu and Lintao Ma and Xingyu Lu and Jun Zhou and Junkang Wu and Chi Luo and An Zhang and Junkang Wu and Jiancan Wu and Xiang Wang},
journal= {arXiv preprint arXiv:2410.15817},
year = {2025}
}
备注
17 pages, 5 figures, 8tables