TripleWin：数据-模型耦合市场的固定点均衡定价
机器学习
2026-05-12 v2
摘要
机器学习（ML）模型经济的兴起使训练数据集市场与预训练模型市场相互交织。然而，大多数定价方法仍将数据与模型交易分离，或依赖于偏袒某一方的以经纪人为中心的流程。近期关于带外部性的数据市场的研究捕捉了买方互动，但未能产生一种跨越数据卖方、模型生产方和模型买方的对称且同步的机制。我们提出一个统一的数据-模型耦合市场，将数据集与模型交易视为单一系统。供给侧映射将数据集支付转化为买方可见的模型报价，而需求侧映射则通过基于 Shapley 的分配将买方价格反向传递至数据集。两者共同形成一个闭环，连接四种互动：双向的供需传递以及买方之间和卖方之间的相互耦合。我们证明该联合算子是标准干扰函数（SIF），保证了均衡价格的存在性、唯一性与全局收敛性。实验表明，与以经纪人为中心和单侧的基线相比，该方法具有高效的收敛性和改善的公平性。代码可在 https://github.com/HongrunRen1109/Triple-Win-Pricing 获取。
引用
@article{arxiv.2511.03368,
title = {TripleWin: Fixed-Point Equilibrium Pricing for Data-Model Coupled Markets},
author = {Hongrun Ren and Yun Xiong and Lei You and Yingying Wang and Haixu Xiong and Yangyong Zhu},
journal= {arXiv preprint arXiv:2511.03368},
year = {2026}
}