基于组合多臂赌博机与层次斯塔尔堡博弈的在线提示定价
人工智能
2025-09-09 v3 机器学习
摘要
生成模型在各类任务中展现出良好的性能，使得围绕机器学习模型的交易成为可能。本文旨在构建一种新颖的提示交易场景——提示捆绑交易（PBT）系统，并提出一种在线定价机制。基于组合多臂赌博机（CMAB）和三阶段层次斯塔尔堡（HS）博弈，我们的定价机制同时考虑了消费者、平台和卖方的利润，实现了这三方参与者的利润满足。我们将定价问题分解为两个步骤，即未知类别选择和激励策略优化。前者是从中选择质量最高的类别集合，后者则是根据所选类别为每个参与者推导最优策略。与现有的固定定价模式不同，本文提出的PBT定价机制更为灵活多样，更符合现实场景中的交易需求。我们在模拟的文本到图像数据集上进行测试。实验结果表明，我们的方法算法有效，为提示市场的定价提供了可行的标准。
引用
@article{arxiv.2405.15154,
title = {Online Prompt Pricing based on Combinatorial Multi-Armed Bandit and Hierarchical Stackelberg Game},
author = {Meiling Li and Hongrun Ren and Haixu Xiong and Zhenxing Qian and Xinpeng Zhang},
journal= {arXiv preprint arXiv:2405.15154},
year = {2025}
}
备注
The paper has been withdrawn by the authors because the current experimental results are not sufficiently reliable. Further optimization and refinement of the methodology are required before the work can be disseminated