Buchumschlag

Learning is Revelation in Disguise: Improved Regret and Equivalence Results for Dynamic Pricing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Zuo, Shiliang
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Science and Game Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Distributional Robustness of Linear Contracts
von: Zuo, Shiliang
Veröffentlicht: (2026)

Optimizing Contracts in Principal-Agent Team Production
von: Zuo, Shiliang
Veröffentlicht: (2024)

Harnessing the Continuous Structure: Utilizing the First-order Approach in Online Contract Design
von: Zuo, Shiliang
Veröffentlicht: (2024)

Pricing for Information Revelation in Demand Response: A Strategic Communication Approach
von: Mohamad, Hassan, et al.
Veröffentlicht: (2026)

V3rified: Revelation vs Non-Revelation Mechanisms for Decentralized Verifiable Computation
von: Gong, Tiantian, et al.
Veröffentlicht: (2024)

A Curationary Tale: Logarithmic Regret in DeFi Lending via Dynamic Pricing
von: Chitra, Tarun
Veröffentlicht: (2025)

Polynomial Convergence of Bandit No-Regret Dynamics in Congestion Games
von: Dadi, Leello, et al.
Veröffentlicht: (2024)

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

Learning not to Regret
von: Sychrovský, David, et al.
Veröffentlicht: (2023)

Liquid Welfare Guarantees for No-Regret Learning in Sequential Budgeted Auctions
von: Fikioris, Giannis, et al.
Veröffentlicht: (2022)

Comparing Uniform Price and Discriminatory Multi-Unit Auctions through Regret Minimization
von: Potfer, Marius, et al.
Veröffentlicht: (2025)

Satisfaction and Regret in Stackelberg Games
von: White, Langford, et al.
Veröffentlicht: (2024)

Improving the Price of Anarchy via Predictions in Parallel-Link Networks
von: Christodoulou, George, et al.
Veröffentlicht: (2025)

Dynamic Pricing and Advertising with Demand Learning
von: Agrawal, Shipra, et al.
Veröffentlicht: (2023)

Competitive Demand Learning: A Non-cooperative Pricing Algorithm with Coordinated Price Experimentation
von: Yang, Yongge, et al.
Veröffentlicht: (2020)

Conjectural Variations in Competitive Dynamic Pricing: A Learning Foundation via Experimentation Design and Feedback Structure
von: Light, Bar, et al.
Veröffentlicht: (2026)

Steering No-Regret Learners to a Desired Equilibrium
von: Zhang, Brian Hu, et al.
Veröffentlicht: (2023)

Regret-Minimizing Contracts: Agency Under Uncertainty
von: Bernasconi, Martino, et al.
Veröffentlicht: (2024)

Some Improved Results on Fair and Balanced Graph Partitions
von: Viswanathan, Vignesh
Veröffentlicht: (2026)

Strategy-robust Online Learning in Contextual Pricing
von: Huh, Joon Suk, et al.
Veröffentlicht: (2025)

Barriers to Welfare Maximization with No-Regret Learning
von: Anagnostides, Ioannis, et al.
Veröffentlicht: (2024)

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

Equilibria in Repeated Games under No-Regret with Dynamic Benchmarks
von: Crippa, Ludovico, et al.
Veröffentlicht: (2022)

Dynamic Pricing of an Expiring Item under Strategic Buyers with Stochastic Arrival
von: Choi, Suyeon, et al.
Veröffentlicht: (2025)

Budget Pacing in Repeated Auctions: Regret and Efficiency without Convergence
von: Gaitonde, Jason, et al.
Veröffentlicht: (2022)

A Lower Bound on Swap Regret in Extensive-Form Games
von: Daskalakis, Constantinos, et al.
Veröffentlicht: (2024)

Dynamic Pricing and Learning with Long-term Reference Effects
von: Agrawal, Shipra, et al.
Veröffentlicht: (2024)

No-Regret Learning and Equilibrium Computation in Quantum Games
von: Lin, Wayne, et al.
Veröffentlicht: (2023)

Meta-Learning in Self-Play Regret Minimization
von: Sychrovský, David, et al.
Veröffentlicht: (2025)

Dynamic Regret Bounds for Online Omniprediction with Long Term Constraints
von: Bechavod, Yahav, et al.
Veröffentlicht: (2025)

Autobidders with Budget and ROI Constraints: Efficiency, Regret, and Pacing Dynamics
von: Lucier, Brendan, et al.
Veröffentlicht: (2023)

Strategizing against No-Regret Learners in First-Price Auctions
von: Rubinstein, Aviad, et al.
Veröffentlicht: (2024)

Decision-Making Under Complete Uncertainty: You Will Regret Not Being Greedy
von: Atanasov, Kristijan, et al.
Veröffentlicht: (2025)

Sample-Efficient Regret-Minimizing Double Oracle in Extensive-Form Games
von: Tang, Xiaohang, et al.
Veröffentlicht: (2024)

DDPS: Dynamic Differential Pricing-based Edge Offloading System with Energy Harvesting Devices
von: Xue, Hai, et al.
Veröffentlicht: (2024)

The Relationship between No-Regret Learning and Online Conformal Prediction
von: Ramalingam, Ramya, et al.
Veröffentlicht: (2025)

No Coin Left Behind: Maximizing Strategic Surplus Against No-Regret Dynamics
von: Su, Yiheng, et al.
Veröffentlicht: (2026)

On the Convergence of No-Regret Dynamics in Information Retrieval Games with Proportional Ranking Functions
von: Madmon, Omer, et al.
Veröffentlicht: (2024)

Complex Dynamics in Autobidding Systems
von: Leme, Renato Paes, et al.
Veröffentlicht: (2024)

Online Optimization Algorithms in Repeated Price Competition: Equilibrium Learning and Algorithmic Collusion
von: Bichler, Martin, et al.
Veröffentlicht: (2024)