arXiv · cs.AI· Ilan Lobel, Humberto Moreira, Omar Mouchtaki·· 5 小时前
机器学习预测驱动的贝叶斯拍卖设计：区分幻觉预测与测量噪声
Randomly Wrong Signals: Bayesian Auction Design with ML Predictions
arXiv:2502.08792v4阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ilan Lobel, Humberto Moreira, Omar Mouchtaki
研究任务与主要进展
Ilan Lobel、Humberto Moreira 和 Omar Mouchtaki 提出一种贝叶斯拍卖模型，用于区分看似合理但与买家真实价值无关的机器学习“幻觉”预测与普通测量噪声，并刻画公开预测下收入最大化拍卖。基于论文摘要，作者分析了单买家场景中何时应遵循预测、何时应忽略或限制价格；数值实验显示，所设计拍卖实现近最优收入，但摘要未提供实验基准和详细条件。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org