2023年11月8日，由中国人民大学高瓴人工智能学院主办的第二届计算经济学研究与应用研讨会顺利召开。北京大学前沿计算研究中心讲席教授邓小铁，中科院计算所前瞻研究实验室、处理器芯片重点实验室研究员孙晓明，中国科学院数学与系统科学研究院研究员陈旭瑾，清华大学计算机科学与技术系教授陈婧，中国科学院计算技术研究所研究员张家琳，北京交通大学经济管理学院教授曹志刚，谷歌研究科学家左淞，中国科学院数学与系统科学研究院优秀青年副研究员王长军，北京理工大学计算机学院副教授余皓然，北京大学前沿计算研究中心助理教授孔雨晴，清华大学交叉信息研究院助理教授房智轩，北京理工大学计算机学院预聘助理教授（特别副研究员）刘正阳，北京大学前沿计算研究中心博士后研究员李维安等专家学者受邀参加。会议由高瓴人工智能学院长聘副教授祁琦、高瓴人工智能学院准聘副教授王子贺以及高瓴人工智能学院准聘助理教授沈蔚然老师共同主持。

在开场致辞中，高瓴人工智能学院祁琦长聘副教授指出，计算经济学是一门新兴的交叉学科，它结合了计算机科学、数学和经济学的理论和方法，为我们提供了全新的视角和工具，以解决现实世界中的经济问题。本次研讨会围绕计算经济学的研究与应用进行深入探讨，分享最新的研究成果，讨论面临的挑战和可能的解决方案，我们希望通过这次研讨会，能够加深对计算经济学的理解，推动该领域的发展，从而更好地服务于我们的社会。

在第一场报告中，北京理工大学计算机学院的余皓然副教授向大家介绍了他在双边议价中私有信息推断方面的研究。该研究具有广泛的实用性，特别是在二手商品交易市场中，如闲鱼、eBay等。然而，对于买卖双方的心理价位这一私有信息的推断，一直是一个挑战。传统的机器学习方法难以适用。为了解决这一问题，余皓然副教授提出了一种新的私有信息推断算法。余皓然副教授的报告以“基于机器学习的双边议价中私有信息推断”为主题，深入探讨了如何根据买卖双方的议价行为推断他们的心理价位。

在第二场报告中，谷歌研究科学家左淞分享了大语言模型中的机制设计问题，主要介绍了如何以激励相容的方式来聚合多个LLMs。在这个问题中，每个智能体对随机生成的内容的偏好被编码为一个LLM，这样做的一个关键的动机是为人工智能生成的广告创意设计一种拍卖格式，以结合不同广告商的输入。报告指出，这个问题虽然通常是机制设计的范畴，但是具有几个独特的特征，并且分享了提出的一个通用形式：token auction model，用于研究这个问题。

第三场报告中，清华大学交叉信息研究院房智轩助理教授介绍了有向无环图区块链的交易选择策略优化问题。基于有向无环图（DAG）结构的区块链系统具有支持高并发交易处理的能力，因而被视为解决区块链拓展性问题的一种可行方案。作为DAG区块链系统提升交易并发时的核心步骤，节点的交易选择效率将很大程度地影响系统的交易吞吐性能。报告指出节点的交易选择过程中面临的两个困境：节点利润困境与系统吞吐困境，并通过提出基于布隆过滤器的信号传递机制，大幅提升交易选择的效率，同时提升节点的利润与系统的吞吐性能。

在第四场报告中，北京大学前沿计算中心李维安博士后研究员介绍了一种多个竞赛并行举行的模型。其中每个参赛者选择一个竞赛参加，每个竞赛设计者决定奖金结构以争夺参赛者的参与。报告中分析了参赛者的策略行为，对于竞赛设计者的策略，当已知其他设计者的策略时，报告中指出计算最佳响应是 NP-困难的，并提出了一种全多项式时间近似方案（FPTAS）来输出ε-近似最佳响应，报告随后分析了当其他设计者的策略未知时一个设计者的策略最坏情况，得出了任何策略最坏情况下的效用上限，并将其作为基准。

在最后一场报告中，北京交通大学经济管理学院曹志刚教授分享了在通过势函数法研究纳什均衡存在性与唯一性时会遇到的一些问题。他指出势函数的全局最大值就是相应策略博弈的纳什均衡，反之则不然。局部最大点或静止点也不完全对应于纳什均衡。如果不能精确知道势函数的哪一类点与纳什均衡点对应会在论述中产生许多问题。曹教授在报告中指出，其实这一类点是在优化问题中被广泛研究过的点——块坐标最大化点，并且通过实例说明，通过最大化势函数来完善纳什均衡是有一些缺点的。

在闭门研讨会环节中，与会专家学者分别分享了他们最近的研究工作，并就一些计算经济学领域前沿问题展开了深入讨论。

来源：高瓴人工智能学院