带有限面试的匹配市场的双侧时间无关后悔

双边匹配平台依赖双方的偏好，但参与者只能评估极少数潜在合作伙伴。实际中，他们会使用低成本的预匹配筛选手段，如面试、浏览档案或试任务，以形成不精确的印象，再决定是否提交申请或接受报价。我们研究带面试的匹配市场中的 bandit 学习，将这些交互建模为查询到的“提示”（hints），这些提示在双方之间透露部分偏好信息，同时约束后续申请。我们的框架也允许 firm 端不确定性：企业（如企业）同样会学习其偏好，可能早期做出错误的雇佣决定。为此，我们引入了“战略推迟”（strategic deferral），一种企业行为，允许暂时空缺，纠正过早的承诺，并在粗糙的匿名反馈下实现去中心化学习。我们为集中式和去中心化市场设计算法，表明每轮常数数量的面试足以实现 horizon 无关的后悔，超越了在无面试情形下的 $O(\log T)$ 保证。我们的界限接近最优：集中式保证在信息论下界的 $m$ 倍内，而去中心化算法在结构化市场中达到多项因子内，同时在一般市场中保持 horizon 无关。