大规模纳什均衡约束自动出价
机器学习
2026-02-03 v2 人工智能
计算机科学与博弈论
摘要
自动出价已成为现代在线广告平台的基石，使许多广告商能够大规模自动化出价并优化广告活动效果。然而，现有的工业系统依赖单智能体自动出价方法，虽然可扩展但忽略了广告商出价之间的策略性相互依赖，导致不稳定或次优结果。虽然近期研究认识到自动出价的博弈论本质，但现有方法要么在大规模下计算不可行，要么缺乏与平台全局目标一致的均衡选择原则。在本文中，我们通过引入纳什均衡约束出价（NCB）来弥合这一差距，这是一个基于原理的且可扩展的自动出价框架，将自动出价重新表述为受纳什均衡约束的平台全局优化问题。该方法考虑了广告商之间的细粒度策略性相互依赖，确保了智能体层面的稳定性和生态系统层面的最优性。值得注意的是，我们开发了一种理论上可靠的基于惩罚的原-对偶梯度方法，具有严格的收敛保证，并辅以适合工业部署的高效算法。大量实验验证了我们方法的有效性。
引用
@article{arxiv.2503.10304,
title = {Large-Scale Auto-bidding with Nash Equilibrium Constraints},
author = {Zhiyu Mou and Miao Xu and Rongquan Bai and Zhuoran Yang and Chuan Yu and Jian Xu and Bo Zheng},
journal= {arXiv preprint arXiv:2503.10304},
year = {2026}
}