[論文レビュー] Robust Temporal Guarantees in Budgeted Sequential Auctions

Giannis Fikioris, Robert Kleinberg+3 more|arXiv (Cornell University)|Feb 20, 2026

Advanced Bandit Algorithms Research被引用数 0

ひとこと要約

簡易な primal 学習アルゴリズムは予算付き逐次オークションに対して堅牢な保証を示す：ρ の予算割合を持つ入札者は ≈ ρT ラウンド勝利し、自己対戦では時間とともに近似的等分布・低ディスクリpancy の勝利分布を得る。

ABSTRACT

In modern advertising platforms, learning algorithms are deployed by budget-constrained bidders to maximize their accumulated value. These algorithms often offer classical utility guarantees like no-regret, i.e., the agent's utility is at least the utility achieved by some benchmark in which it is assumed that every other agent's bidding remains the same. These guarantees offer compelling properties: They are optimal against stationary competition distributions, and in unconstrained settings, the resulting empirical distribution of play induced by no-regret dynamics approximates a Coarse Correlated Equilibrium. However, no-regret algorithms are easily manipulable, and in budgeted settings, no stronger notion of regret (such as swap regret) is currently known that would limit such manipulation. We propose a very simple learning algorithm for budgeted sequential auctions where agents maximize their total number of wins and show that it has surprisingly appealing properties. We analyze this algorithm from two perspectives. First, we show that when an agent with a $ρ$ fraction of the total budget uses this algorithm, then she is guaranteed to win at least $ρT - O(\sqrt T)$ of the total $T$ rounds. This result holds for adversarial behavior by the other agents, as long as they respect their own budget restrictions. Second, we examine the scenario when all the agents follow our algorithm. By the first result, every agent's total wins are proportional to her budget, up to the additive $O(\sqrt T)$ term. In addition, we show that this result holds in a much stronger sense: after an initial period of $O(\sqrt T \log T)$ rounds, every agent gets the same guarantee over any time interval. For intervals of length $O(\sqrt T)$, we show that the deviation from the desired number of wins is an additive constant.

研究の動機と目的

• グローバルな予算制約下でのオークションにおける学習を、ノーリグレット・フレームワークを超えて動機づける。
• プリマルで決定論的な入札更新ルールを提案し、その予算安全性を分析する。
• 予算を守る対戦相手に対する最悪ケースの勝利保証を確立する。
• 自己対戦特性を示す：勝利分布の割合性と時間的ディスクリプancy の低さを示す。

提案手法

• 決定論的な入札更新を提案: b^{(t+1)} = b^{(t)} + η(ρ_i − p_i^{(t)}).
• 強い漸近的保証を得るために η = 1/√T を設定する。
• 入札が非負であり予算を超えないことを示す（補題 2.1）。
• 最適化子の挙動を整数計画としてモデル化し、ラグランジュ緩和を用いて最適化子の利得を境界付ける（定理 3.1）。
• 凸関数 f(b) のサブグラデient 法を用いた収束特性を特徴付ける（b = 1 で唯一の最小値、式 5、命題 4.3–4.5）。
• マルチエージェントの自己対戦分析を提供：スタートアップ後、各エージェントが共有 ρ_i の場合、任意の長さ τ = Θ(√T) の区間で ≈ ρ_iτ 勝利する。

実験結果

リサーチクエスチョン

• RQ1 予算を持つ対戦相手に対して、単純なプリマル入札ルールは勝利比率を比例的に保証できるか。
• RQ2 すべてのエージェントがこのルールに従う場合、勝利分布に低い時間的不一致が生じるか。
• RQ3 安定な区間へ入札がどれだけ速く収束し、それが区間ベースの勝利保証へ与える影響は何か。
• RQ4 このルールを用いる予算付き学習者に対する最適化子の操作の理論的限界は何か。
• RQ5 自己対戦と予算制約下の複数区間に結果がどう拡張されるか。

主な発見

• 予算 ρ_i T を持つエージェントは、任意の対戦相手である予算尊守オプポーネントに対して少なくとも ρ_i T − O(√T) ラウンド勝利。
• すべてのエージェントがアルゴリズムを用いると、各エージェントの総勝利はおおむね予算に比例し、加法的に O(√T) のスタートアップ項を持つ。
• 初期の O(√T log T) ラウンド後、すべてのエージェントは任意の時間区間でほぼ等分の保証を得る；長さが O(√T) の区間ではディスクリプancy は O(1)。
• 等予算設定では、エージェントは最終的にローテーションパターンで勝つようになり、任意の区間内の不一致は (n−1)/n を超えない。
• 入札は適切なラウンド後に幅 O(η) の区間周辺 1 に収束し、小区間に対して O(1) のディスクリプancy上限を可能にする。