多个非近视代理人的重复合约：政策遗憾与有限责任
内容提要
该文综述重复委托代理与在线学习研究：主体通过动态合同引导代理，在非稳态环境下实现低后悔并学习近似最优合同；探讨重复拍卖与贝叶斯博弈中无悔算法的收敛性，以及优化者利用学习算法获取超额效用的问题。
延伸解读
重复委托代理中的遗憾上界改进
文章提到，在重复合同承诺问题中，主体通过算法学习近似最优合同，其累积遗憾上界为O(T^{4/5})，这明显优于此前已知的遗憾上界。这一改进意味着在行动空间较小的场景下，主体能更高效地引导代理采取成本高且不可观察的行动，从而提升长期收益。
代理学习行为对主体效用的影响
文章指出，若代理使用上下文无懊悔学习算法，主体可确保接近经典带承诺非学习模型的最优效用；若代理使用上下文无交换懊悔学习算法，主体无法获得更高效用；而使用基于均值的学习算法，主体可获得显著更好结果。这些结论适用于斯塔克尔伯格博弈和合同设计等完全信息广义委托代理问题。
贝叶斯博弈中优化者的效用限制
在重复贝叶斯博弈中，若学习者采用基于均值的无悔算法，优化者可能获得远高于Stackelberg效用的收益；而采用无多面体交换后悔算法则可将优化者效用限制在Stackelberg效用上。文章进一步证明，在一般贝叶斯博弈中，无多面体交换后悔算法是限制优化者效用的必要条件，回答了Mansour等人提出的开放性问题。
Q&A
重复委托代理中，主体如何设计动态合同来引导代理？
主体通过承诺与结果相关的支付方案来引导代理采取成本高且不可观察的行动，并在多轮交互中动态调整合同，以学习近似最优的合同。
在非稳态环境下，主体学习最优合同的遗憾上界是多少？
在行动空间较小的情景下，主体学习近似最优合同的遗憾上界为 O(T^{4/5})，这明显改善了之前已知的遗憾上界。
重复委托选择问题中，负责人如何应对代理人的自私行为？
负责人通过动态宣布合适的集合来筛选解集，并学习解集的分布，以最小化与事后最优解集相比的累积后悔。
在重复贝叶斯博弈中，优化者能否利用基于均值的学习算法获取超额效用？
在贝叶斯一阶售价拍卖中，存在优化者可以获得远高于 Stackelberg 效用的实例；但在完全信息一阶售价拍卖中，优化者不能获得超过 Stackelberg 效用的效用。
无多面体交换后悔算法在限制优化者效用方面是否必要？
对于一般贝叶斯博弈，在合理且必要的条件下，无多面体交换后悔算法是将优化者效用限制在 Stackelberg 效用上的必要条件，这回答了 Mansour 等人（2022）的开放性问题。
在重复拍卖中，基于均值的学习规则会导致什么收敛结果？
如果投标人使用任何基于均值的学习规则，则在第二价格拍卖中定价会高概率收敛到单纯纳什均衡，在 VCG 拍卖和第一价格拍卖中收敛到贝叶斯纳什均衡。
