mcpField
G
grad-mechanism-design

grad-mechanism-design

github.com/asgard-ai-platformその他24354 回インストール21 週間前に更新
リポジトリ

grad-mechanism-design について

grad-mechanism-designは、利己的な参加者が意図した結果につながるルールを設計するスキルです。非公開情報、誘因両立性、参加条件、予算制約を形式化し、配分や制度設計のトレードオフを分析します。

主な機能

  1. 01エージェント・タイプ・結果を定義
  2. 02啓示原理を適用
  3. 03誘因制約と参加制約を確認
  4. 04予算均衡のトレードオフを評価
  5. 05配分ルールから支払いルールを導出

活用シーン

  1. 01オークションやマッチング規則を設計
  2. 02プラットフォームが正直な申告を促すか評価
  3. 03効率性・予算均衡・参加条件を比較

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/asgard-ai-platform/skills --skill grad-mechanism-design

インストール後、Claude Code で/grad-mechanism-designを入力して読み込まれたか確認します。

同梱ファイルexamples/sample_scenario.md

詳細

メカニズムデザイン:逆ゲーム理論とインセンティブ両立性

概要

メカニズムデザインは、ゲーム理論を工学的に応用する分野です。既存のゲームを分析するのではなく、利己的なエージェントが望ましい結果を生み出すようにルールを設計します。中心的な手法は顕示原理です。これは、実現可能な結果はどれも、正直に申告することが最適となる直接メカニズムによって達成できることを示します。この分野は、オークション設計、投票制度、マッチング市場、規制の枠組みを支えています。

使用する場面

  • 参加者が私的情報を持つ場合に、配分ルール(オークション、マッチング、リソース共有)を設計するとき
  • 提案された制度やプラットフォームが、正直な行動を促すかどうかを評価するとき
  • 効率性、予算均衡、参加制約の間のトレードオフを評価するとき

使用しない場面

  • エージェントが完全に協力的で、私的情報がない場合(インセンティブの問題が存在しません)
  • エージェントのタイプをモデル化するには環境が複雑すぎる場合(代わりに行動実験を使用します)
  • 形式的な保証よりも、迅速に使えるヒューリスティックが必要な場合

前提条件

IRON LAW: A mechanism is incentive-compatible ONLY if truth-telling is a
dominant strategy — no mechanism can simultaneously maximize efficiency,
budget balance, and individual rationality (Myerson-Satterthwaite theorem).
  • エージェントは合理的で、期待効用を最大化します
  • 各エージェントは、既知の事前分布から抽出された私的情報(タイプ)を持ちます
  • 設計者は、エージェントが行動する前にメカニズムのルールを確定します
  • 移転(支払い)が可能で、準線形効用が成り立ちます

方法論

ステップ 1 — 設計問題を定義する エージェントの集合、各エージェントのタイプ空間、結果空間、実現したい社会的選択関数を指定します。目的を、効率性、収益、公平性、またはそれらの重み付きの組み合わせから定めます。

ステップ 2 — 顕示原理を適用する 直接顕示メカニズムに対象を限定します。メカニズムは各エージェントにタイプの申告を求め、申告の組み合わせを結果と移転に対応付けます。正直な申告がベイジアン・ナッシュ均衡(BNE-IC)または支配戦略均衡(DSIC)を構成するか確認します。

ステップ 3 — 制約を検証する 中核となる 3 つの制約を確認します。(1)インセンティブ両立性 — 申告を偽っても、どのエージェントも利益を得ないこと。(2)個人合理性 — 各エージェントが、参加しない場合と比べて少なくとも同等の利益を得ること。(3)予算均衡 — 設計者に赤字が生じないこと。どの制約が同時に成り立つかを判断するため、マイヤソン=サタースウェイトの定理を適用します。

ステップ 4 — 特徴づけて最適化する 包絡線定理を使って、配分ルールから支払いルールを導出します。拘束的な制約のもとで目的関数を最適化します。避けられないトレードオフを明示します。

出力形式

## Mechanism Design Analysis: [Context]

### Design Problem
- **Agents**: [who participates]
- **Type space**: [private information each agent holds]
- **Outcome space**: [possible allocations]
- **Objective**: [efficiency / revenue / fairness]

### Proposed Mechanism
- **Allocation rule**: [how outcomes map to reports]
- **Payment rule**: [transfers as function of reports]

### Constraint Verification
| Constraint                | Satisfied? | Notes |
|--------------------------|------------|-------|
| Incentive Compatibility  | Yes / No   |       |
| Individual Rationality   | Yes / No   |       |
| Budget Balance           | Yes / No   |       |

### Impossibility Trade-offs
[Which constraints conflict per Myerson-Satterthwaite; what the designer must sacrifice]

### Recommendation
[Chosen mechanism and rationale]

注意点

  • 顕示原理は直接メカニズムが存在することを保証しますが、実用上の単純さについては何も保証しません。行動上の理由から、現実のメカニズムでは間接的な形式が使われることもよくあります
  • マイヤソン=サタースウェイトの不可能性定理は、私的価値を持つ主体間の二者間取引に適用されます。多者間の状況では、この定理を回避できる場合があります
  • DSIC は BNE-IC よりも強い概念です。多くの実用的なメカニズム(例:VCG)は DSIC を満たしますが、予算均衡に違反する場合があります
  • エージェントのタイプ間の相関を利用すると(Cremer-McLean)、余剰をすべて抽出できますが、分布についての強い知識が必要です
  • 非優越戦略での実装、完全実装、部分実装は、それぞれ異なる解概念です。どの概念を指すのか明確にしてください
  • 行動的なエージェント(限定合理性、利己心、公平性への懸念)は、理論上インセンティブ両立的なメカニズムを機能不全にする可能性があります

参考文献

  • Myerson, R. (1981). “最適オークション設計.” Mathematics of Operations Research.
  • Myerson, R. & Satterthwaite, M. (1983). “二者間取引のための効率的なメカニズム.” Journal of Economic Theory.
  • Mas-Colell, A., Whinston, M. & Green, J. (1995). Microeconomic Theory, 第 23 章.
  • Borgers, T. (2015). An Introduction to the Theory of Mechanism Design.

コメント