Learn2Match

新框架模拟动态双边匹配及演进反馈

研究人员开发了一个新的双边匹配市场框架，该框架考虑了随时间揭示的信息，超越了静态偏好模型。该框架以 Learn2Match 基准的形式实现，使用部分可观察马尔可夫博弈来模拟面试和演进的个人资料等动态交互。该基准评估多智能体强化学习 (MARL) 策略，发现虽然 PPO 在提高社会福利和减少遗憾方面显示出希望，但与老虎机式方法相比，它在信息摩擦方面仍然存在困难。