通过噪声消除实现灵活学习

我们发展了一种新型框架，用于成本为信息获取的场景中，其中决策者通过选择信号分布来学习未观察到的状态，而信息获取的成本由信号中的噪声分布决定。我们表明，自然的一组公理允许对成本函数进行唯一的积分表示，并确立了统一优势原则：存在一种最优实验可产生均匀噪声的信号。统一优势原则使寻找最优信息结构的无限维优化问题简化为寻找衡量噪声水平的单个参数。我们表明，在自然条件下存在最优实验，并使用容纳非光滑收益函数和决策规则的广义一阶条件对其进行表征。最后，我们在买家学习产品质量的双边贸易情境中展示了框架的可操作性。