简介:传统经济学基于贝叶斯模型的机制设计理论假设买家对所求物品的价值是从一个先验概率分布中随机采样得来，并且这个先验概率分布对于卖家是已知的。然而在实际的应用场景中，卖家只能从以往的用户数据中提取出关于这些先验概率分布的部分信息并以此为基础进行机制设计。该讲座将以一个买家一个卖家的简单模型为例，从严格的数学模型出发探讨关于如何基于用户数据设计近似利润最大化机制的一些问题：卖家需要多少数据才能设计出取得99%近似最大利润的机制？如何在一个在线机器学习的模型下平衡最大化当前利润以及学习买家信息两者之间的关系？买家会如何根据卖家的学习算法策略性的谎报自己的信息？卖家又应该如何相应的调整机制设计的策略？