mcpField
G
grad-mechanism-design

grad-mechanism-design

github.com/asgard-ai-platform其他24354 次安装21 周前更新
代码仓库

关于 grad-mechanism-design

grad-mechanism-design 是用于设计规则、引导自利参与者实现预期结果的技能。它形式化处理私人信息、激励相容、参与和预算约束,以分析分配规则与制度设计中的权衡。

主要功能

  1. 01定义参与者、类型与结果
  2. 02应用启示原理
  3. 03检查激励与参与约束
  4. 04评估预算平衡的权衡
  5. 05根据分配规则推导支付规则

适用场景

  1. 01设计拍卖或匹配规则
  2. 02评估平台是否鼓励如实报告
  3. 03比较效率、预算平衡与参与之间的取舍

安装

复制下面的命令,在终端中运行。

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

安装后在 Claude Code 中输入/grad-mechanism-design确认已加载。

附带文件examples/sample_scenario.md

详细介绍

机制设计:反向博弈论与激励相容

概述

机制设计是博弈论的工程层面:它不分析给定的博弈,而是设计规则,让自利的 Agent 产生预期结果。其核心工具是启示原理,该原理表明,任何可实施的结果都可以通过一种直接机制实现,在这种机制中,如实报告是最优策略。该领域是拍卖设计、投票制度、匹配市场和监管框架的理论基础。

适用场景

  • 设计分配规则(拍卖、匹配、资源共享),且参与者掌握私人信息
  • 评估拟议的制度或平台是否会激励如实行为
  • 权衡效率、预算平衡与参与约束之间的取舍

不适用场景

  • Agent 完全合作且没有私人信息(不存在激励问题)
  • 环境过于复杂,无法对 Agent 类型建模(可改用行为实验)
  • 需要快速启发式方案,而非形式化保证

假设

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).
  • Agent 是理性的,并会最大化期望效用
  • 每个 Agent 都拥有从已知先验分布中抽取的私人信息(类型)
  • 设计者在 Agent 行动前承诺遵守机制规则
  • 转移支付(付款)可行,且适用拟线性效用

方法

步骤 1 — 定义设计问题 明确 Agent 集合、类型空间、结果空间,以及你希望实施的社会选择函数。确定目标:效率、收入、公平,或加权组合。

步骤 2 — 应用启示原理 将注意力限定在直接揭示机制上。机制会要求每个 Agent 报告类型,再将报告组合映射为结果和转移支付。检查如实报告是否构成贝叶斯纳什均衡(BNE-IC)或占优策略均衡(DSIC)。

步骤 3 — 验证约束 检查三项核心约束:(1)激励相容——任何 Agent 都无法通过虚报获利;(2)个体理性——每个 Agent 参与后的境况至少不比不参与差;(3)预算平衡——设计者不会出现赤字。应用 Myerson-Satterthwaite 定理,判断哪些约束可以同时成立。

步骤 4 — 刻画并优化 使用包络定理,根据分配规则推导付款规则。在具有约束力的约束条件下优化目标,并说明哪些取舍无法避免。

输出格式

## 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]

注意事项

  • 启示原理保证直接机制的存在,但并未说明其实用性或简洁性——出于行为方面的原因,现实机制往往采用间接形式
  • Myerson-Satterthwaite 不可能性定理适用于私人价值的双边交易;多边场景可能不受其限制
  • DSIC 强于 BNE-IC;许多实用机制(例如 VCG)具有 DSIC 性质,但可能无法满足预算平衡
  • 可以利用 Agent 类型之间的相关性(Cremer-McLean)来提取全部剩余,但这需要充分了解分布
  • 在未被支配策略下实施、完全实施和部分实施是不同的解概念——请明确说明你指的是哪一种
  • 行为型 Agent(有限理性、恶意、关注公平)可能破坏理论上激励相容的机制

参考资料

  • Myerson,R.(1981)。“最优拍卖设计。” Mathematics of Operations Research。
  • Myerson,R. 与 Satterthwaite,M.(1983)。“双边交易的有效机制。” Journal of Economic Theory。
  • Mas-Colell,A.、Whinston,M. 与 Green,J.(1995)。Microeconomic Theory,第 23 章。
  • Borgers,T.(2015)。An Introduction to the Theory of Mechanism Design。

评论

支持 Markdown