在线主-代理信息获取中最优评分规则识别的可证明高效算法

我们研究了在线信息获取问题中主-代理框架下最优评分规则的识别问题。我们从代理人的视角出发，通过与代理人的交互来确定所需的评分规则。为应对这一挑战，我们提出了两种算法：OIAFC 和 OIAFB，分别适用于固定置信度和固定预算场景。我们的理论分析表明，OIAFC 可以以高效的实例相关样本复杂度或实例无关样本复杂度提取所需的 $(\epsilon, \delta)$-评分规则。我们的分析还表明，OIAFB 达到了 OIAFC 的实例无关性能界，且两种算法在固定置信度和固定预算场景下共享相同的复杂度。