Buchumschlag

Improved Bandits in Many-to-one Matching Markets with Incentive Compatibility

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kong, Fang, Li, Shuai
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computer Science and Game Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Adaptive Bandit Algorithms for Contextual Matching Markets
von: Lin, Shiyun, et al.
Veröffentlicht: (2026)

Incentivized Truthful Communication for Federated Bandits
von: Wei, Zhepei, et al.
Veröffentlicht: (2024)

Prior-Agnostic Incentive-Compatible Exploration
von: Ramalingam, Ramya, et al.
Veröffentlicht: (2026)

Bandit Learning in Matching Markets: Utilitarian and Rawlsian Perspectives
von: Hosseini, Hadi, et al.
Veröffentlicht: (2024)

Incentive-compatible Bandits: Importance Weighting No More
von: Zimmert, Julian, et al.
Veröffentlicht: (2024)

Incentivized Learning in Principal-Agent Bandit Games
von: Scheid, Antoine, et al.
Veröffentlicht: (2024)

Dynamic Matching Bandit For Two-Sided Online Markets
von: Li, Yuantong, et al.
Veröffentlicht: (2022)

Robust and Performance Incentivizing Algorithms for Multi-Armed Bandits with Strategic Agents
von: Esmaeili, Seyed A., et al.
Veröffentlicht: (2023)

Improved Regret Bounds for Online Fair Division with Bandit Learning
von: Schiffer, Benjamin, et al.
Veröffentlicht: (2025)

Geometry Meets Incentives: Sample-Efficient Incentivized Exploration with Linear Contexts
von: Schiffer, Benjamin, et al.
Veröffentlicht: (2025)

Incentivized Collaboration in Active Learning
von: Cohen, Lee, et al.
Veröffentlicht: (2023)

Incentivizing High-Quality Human Annotations with Golden Questions
von: Liu, Shang, et al.
Veröffentlicht: (2025)

Federated Learning for Data Market: Shapley-UCB for Seller Selection and Incentives
von: Chen, Kongyang, et al.
Veröffentlicht: (2024)

Incentivizing Truthful Collaboration in Heterogeneous Federated Learning
von: Chakarov, Dimitar, et al.
Veröffentlicht: (2024)

Incentivizing Time-Aware Fairness in Data Sharing
von: Chen, Jiangwei, et al.
Veröffentlicht: (2025)

Deep Incentive Design with Differentiable Equilibrium Blocks
von: Thoma, Vinzenz, et al.
Veröffentlicht: (2026)

Incentivizing Exploration with Linear Contexts and Combinatorial Actions
von: Sellke, Mark
Veröffentlicht: (2023)

Learning to Lead: Incentivizing Strategic Agents in the Dark
von: Wu, Yuchen, et al.
Veröffentlicht: (2025)

Strategic Linear Contextual Bandits
von: Buening, Thomas Kleine, et al.
Veröffentlicht: (2024)

Multi-Agent Combinatorial-Multi-Armed-Bandit framework for the Submodular Welfare Problem under Bandit Feedback
von: Pokhriyal, Subham, et al.
Veröffentlicht: (2026)

Adversaries With Incentives: A Strategic Alternative to Adversarial Robustness
von: Ehrenberg, Maayan, et al.
Veröffentlicht: (2024)

Incentivizing Honesty among Competitors in Collaborative Learning and Optimization
von: Dorner, Florian E., et al.
Veröffentlicht: (2023)

Strategic Incentivization for Locally Differentially Private Federated Learning
von: Pagoti, Yashwant Krishna, et al.
Veröffentlicht: (2025)

p-Mean Regret for Stochastic Bandits
von: Krishna, Anand, et al.
Veröffentlicht: (2024)

Regret Analysis of Sleeping Competing Bandits
von: Uba, Shinnosuke, et al.
Veröffentlicht: (2026)

Leaderboard Incentives: Model Rankings under Strategic Post-Training
von: Chen, Yatong, et al.
Veröffentlicht: (2026)

Protocols for Verifying Smooth Strategies in Bandits and Games
von: Christ, Miranda, et al.
Veröffentlicht: (2025)

RL-CFR: Improving Action Abstraction for Imperfect Information Extensive-Form Games with Reinforcement Learning
von: Li, Boning, et al.
Veröffentlicht: (2024)

Learning to Incentivize in Repeated Principal-Agent Problems with Adversarial Agent Arrivals
von: Liu, Junyan, et al.
Veröffentlicht: (2025)

Two-Player Zero-Sum Games with Bandit Feedback
von: Yılmaz, Elif, et al.
Veröffentlicht: (2025)

Online Budget Allocation with Censored Semi-Bandit Feedback
von: Bachoc, François, et al.
Veröffentlicht: (2025)

Vulnerabilities of Single-Round Incentive Compatibility in Auto-bidding: Theory and Evidence from ROI-Constrained Online Advertising Markets
von: Li, Juncheng, et al.
Veröffentlicht: (2022)

Incentive-Aware Dynamic Resource Allocation under Long-Term Cost Constraints
von: Dai, Yan, et al.
Veröffentlicht: (2025)

Honor Among Bandits: No-Regret Learning for Online Fair Division
von: Procaccia, Ariel D., et al.
Veröffentlicht: (2024)

Nearly-Optimal Bandit Learning in Stackelberg Games with Side Information
von: Balcan, Maria-Florina, et al.
Veröffentlicht: (2025)

Copyright-Aware Incentive Scheme for Generative Art Models Using Hierarchical Reinforcement Learning
von: Shi, Zhuan, et al.
Veröffentlicht: (2024)

Fairness and Incentive Compatibility via Percentage Fees
von: Dobzinski, Shahar, et al.
Veröffentlicht: (2024)

Position: Machine Learning for Heart Transplant Allocation Policy Optimization Should Account for Incentives
von: Anagnostides, Ioannis, et al.
Veröffentlicht: (2026)

Two-sided Competing Matching Recommendation Markets With Quota and Complementary Preferences Constraints
von: Li, Yuantong, et al.
Veröffentlicht: (2023)

Achieving PAC Guarantees in Mechanism Design through Multi-Armed Bandits
von: Osogami, Takayuki, et al.
Veröffentlicht: (2024)