贝叶斯拍卖设计区分ML幻觉与测量噪声

2026年10月15日，arXiv Artificial Intelligence 刊出由 Ilan Lobel、Humberto Moreira、Omar Mouchtaki 完成的论文《Randomly Wrong Signals: Bayesian Auction Design with ML Predictions》。该研究提出一种贝叶斯拍卖模型，将 ML 预测中与买家估值完全无关的“幻觉”与普通测量噪声区分开来。在信息性预测精确的基准下，模型刻画了收益最大化拍卖，并说明在单一买家场景中，卖家何时应跟随预测、何时应忽略预测或设置价格上限以对冲预测失效。数值实验显示，据此设计的简单拍卖接近最优收益。截至该报道，事件进展限于论文发布与模型及实验结果的公开，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。