竞争下探索的危险：一种计算建模方法

我们实证研究了探索与竞争之间的相互作用。从与用户交互中学习的系统通常进行探索：做出潜在次优决策以获取用于未来决策的新信息。然而，当多个系统竞争同一用户市场时，探索可能在近期损害系统的声誉，产生不利的竞争效应。特别地，系统可能进入“死亡螺旋”，此时短期声誉成本减少了系统可学习的用户数量，从而降低其相对于竞争的性能并进一步减少其市场份额。我们询问在竞争下是否会激励更好的探索算法。我们在一个风格化的双寡头模型中进行大量数值实验，其中两家公司部署多臂老虎机算法并竞争短视用户。我们发现双寡头和垄断往往偏爱不探索且导致低消费者福利的原始“贪婪算法”，而临时垄断（具有早期进入者的双寡头）可能激励更好的老虎机算法并导致更高的消费者福利。我们的发现通过探索数据作为在线市场进入壁垒的作用，阐明了数字经济中的先发优势。