English(EN) Offline Learning of Reserve Prices from Censored Bids

新方法从审查过的出价中学习拍卖保留价格

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-05 05:00

研究人员开发了一种方法，可以使用审查过的出价数据来学习第二价格拍卖的最佳保留价格。该方法利用单调风险率（MHR）假设来识别最佳保留价格，即使在完整价值分布未知的情况下也是如此。该研究详细说明了识别成为可能的情况，并提供了一种极小极大保留策略，以在识别失败时最小化最坏情况下的收入遗憾。在合成数据和eBay数据上的实验证明了基于MHR的方法的有效性以及极小极大规则的鲁棒性。 AI

影响提供了一种新颖的方法，利用机器学习技术对审查过的数据进行优化拍卖机制。

排序理由这是一篇发表在arXiv上的研究论文，详细介绍了一种用于学习拍卖保留价格的新方法。[lever_c_demoted from research: ic=1 ai=0.4]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 10 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 这是一篇发表在arXiv上的研究论文，详细介绍了一种用于学习拍卖保留价格的新方法。[lever_c_demoted from research: ic=1 ai=0.4]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: Standard; On-topic for AI-industry coverage; kept in the public index.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Lavanya Marla, Yunzong Xu, Boxuan Zhou · 2026-11-05 05:00

从审查出价中离线学习保留价格

arXiv:2611.06067v1 Announce Type: cross Abstract: We study how a seller can learn a reserve price for a second-price auction from censored historical bid data. Because values below past reserves are unobserved, even unlimited data may not reveal which reserve earns the most reven…

本文如何被排名

报道来源 [1]

从审查出价中离线学习保留价格

相关实体

相关话题