Buchumschlag

Optimal No-regret Learning in Repeated First-price Auctions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Han, Yanjun, Zhou, Zhengyuan, Weissman, Tsachy
Format:	Preprint
Veröffentlicht:	2020
Schlagworte:	Machine Learning Computer Science and Game Theory Information Theory Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning to Bid Optimally and Efficiently in Adversarial First-price Auctions
von: Han, Yanjun, et al.
Veröffentlicht: (2020)

Joint Value Estimation and Bidding in Repeated First-Price Auctions
von: Wen, Yuxiao, et al.
Veröffentlicht: (2025)

The (Marginal) Value of a Search Ad: An Online Causal Framework for Repeated Second-price Auctions
von: Wen, Yuxiao, et al.
Veröffentlicht: (2026)

Learning to Bid in Non-Stationary Repeated First-Price Auctions
von: Hu, Zihao, et al.
Veröffentlicht: (2025)

Stochastic contextual bandits with graph feedback: from independence number to MAS number
von: Wen, Yuxiao, et al.
Veröffentlicht: (2024)

Bayes correlated equilibria, no-regret dynamics in Bayesian games, and the price of anarchy
von: Fujii, Kaito
Veröffentlicht: (2023)

Improved Online Learning Algorithms for CTR Prediction in Ad Auctions
von: Feng, Zhe, et al.
Veröffentlicht: (2024)

Learning and Collusion in Multi-unit Auctions
von: Brânzei, Simina, et al.
Veröffentlicht: (2023)

Practical Performative Policy Learning with Strategic Agents
von: Chen, Qianyi, et al.
Veröffentlicht: (2024)

On the price of exact truthfulness in incentive-compatible online learning with bandit feedback: A regret lower bound for WSU-UX
von: Mortazavi, Ali, et al.
Veröffentlicht: (2024)

From No-Regret to Strategically Robust Learning in Repeated Auctions
von: Zhao, Junyao
Veröffentlicht: (2026)

Strategically-Robust Learning Algorithms for Bidding in First-Price Auctions
von: Kumar, Rachitesh, et al.
Veröffentlicht: (2024)

Strategizing against No-regret Learners
von: Deng, Yuan, et al.
Veröffentlicht: (2019)

The Role of Transparency in Repeated First-Price Auctions with Unknown Valuations
von: Cesa-Bianchi, Nicolò, et al.
Veröffentlicht: (2023)

A Robust Multi-Item Auction Design with Statistical Learning
von: Han, Jiale, et al.
Veröffentlicht: (2023)

Causal Analysis of Shapley Values: Conditional vs. Marginal
von: Rozenfeld, Ilya
Veröffentlicht: (2024)

Incentive-Theoretic Bayesian Inference for Collaborative Science
von: Bates, Stephen, et al.
Veröffentlicht: (2023)

Intelligent Agents for Auction-based Federated Learning: A Survey
von: Tang, Xiaoli, et al.
Veröffentlicht: (2024)

Optimal Auction Design under Costly Learning
von: Ozbek, Kemal
Veröffentlicht: (2025)

Optimizing Floors in First Price Auctions: an Empirical Study of Yahoo Advertising
von: Alcobendas, Miguel, et al.
Veröffentlicht: (2023)

Convergence to Nash Equilibrium and No-regret Guarantee in (Markov) Potential Games
von: Dong, Jing, et al.
Veröffentlicht: (2024)

Learning in Budgeted Auctions with Spacing Objectives
von: Fikioris, Giannis, et al.
Veröffentlicht: (2024)

No-Regret Online Autobidding Algorithms in First-price Auctions
von: Deng, Yuan, et al.
Veröffentlicht: (2025)

Adaptive Bidding Policies for First-Price Auctions with Budget Constraints under Non-stationarity
von: Wang, Yige, et al.
Veröffentlicht: (2025)

Adaptive, Doubly Optimal No-Regret Learning in Strongly Monotone and Exp-Concave Games with Gradient Feedback
von: Jordan, Michael I., et al.
Veröffentlicht: (2023)

Doubly Optimal No-Regret Online Learning in Strongly Monotone Games with Bandit Feedback
von: Ba, Wenjia, et al.
Veröffentlicht: (2021)

Differentially Private Machine Learning-powered Combinatorial Auction Design
von: Jamshidi, Arash, et al.
Veröffentlicht: (2024)

No-regret incentive-compatible online learning under exact truthfulness with non-myopic experts
von: Komiyama, Junpei, et al.
Veröffentlicht: (2025)

Incentive-Aware Synthetic Control: Accurate Counterfactual Estimation via Incentivized Exploration
von: Ngo, Daniel, et al.
Veröffentlicht: (2023)

Online Auction Design Using Distribution-Free Uncertainty Quantification with Applications to E-Commerce
von: Han, Jiale, et al.
Veröffentlicht: (2024)

Instance-Adaptive Hypothesis Tests with Heterogeneous Agents
von: Shi, Flora C., et al.
Veröffentlicht: (2025)

Sharp Results for Hypothesis Testing with Risk-Sensitive Agents
von: Shi, Flora C., et al.
Veröffentlicht: (2024)

Isotonic Mechanism for Exponential Family Estimation in Machine Learning Peer Review
von: Yan, Yuling, et al.
Veröffentlicht: (2023)

Last iterate convergence in no-regret learning: constrained min-max optimization for convex-concave landscapes
von: Lei, Qi, et al.
Veröffentlicht: (2020)

Learning in Repeated Multi-Unit Pay-As-Bid Auctions
von: Galgana, Rigel, et al.
Veröffentlicht: (2023)

A Reinforcement Learning Approach in Multi-Phase Second-Price Auction Design
von: Ai, Rui, et al.
Veröffentlicht: (2022)

Optimal Online Bookmaking for Binary Games
von: Bhatt, Alankrita, et al.
Veröffentlicht: (2025)

Buying Data of Unknown Quality: Fisher Information Procurement Auctions
von: Hu, Yuchen, et al.
Veröffentlicht: (2026)

Automated Deterministic Auction Design with Objective Decomposition
von: Duan, Zhijian, et al.
Veröffentlicht: (2024)

Statistically Truthful Auctions via Acceptance Rule
von: Lotan, Roy Maor, et al.
Veröffentlicht: (2024)