中国企业牵头，ICLR 2026 机制设计与决策智能 Workshop 引爆全场

事件概述

ICLR 2026 期间，一场聚焦“机制设计与决策智能”的专题讨论会（Workshop）引发轰动。该活动由阿里妈妈牵头发起，联合北京大学、MIT等顶尖高校共同举办，是 ICLR 历史上首个专门聚焦该方向的专场。尽管此类 Workshop 通常规模较小，但此次现场被围得水泄不通，吸引了大量产业界与学术界专家参与。

核心议题：AI 重写游戏规则

机制设计与决策智能是决定推荐、广告及电商系统顶层架构的核心领域，涉及经济学、博弈论与机器学习的交叉。本次 Workshop 的核心在于探讨 AI 如何重塑这一经典领域：

• 理论前沿：从传统的规则制定到利用 AI 进行实时优化，解决现实世界中的复杂决策问题。
• 关键场景：涵盖广告排序与定价、创作者经济中的博弈、以及生成式 AI 内容生成的拍卖机制。

重磅嘉宾与核心观点

多位该领域的权威学者分享了最新研究成果：

• Tuomas Sandholm (CMU)：介绍了新系统 Obscuro，该系统在不依赖离线训练的情况下，通过实时搜索和模仿人类有限推理，在状态空间高达 $10^{18}$ 的“战争迷雾国际象棋”中战胜世界冠军。
• Vijay V. Vazirani (UCI)：提出了基于纳什谈判（Nash bargaining）的新思路，解决了基数效用匹配市场在大规模下的计算难题，兼顾公平性与效率。
• 郑臻哲 (上海交通大学)：探讨了生成式 AI 时代下创作者经济的机制设计新问题，指出平台需重新思考是与人类还是与 AI 代理打交道。
• Song Zuo (Google Research)：提出将出价权力前置到生成过程中的新思路，针对 AI 生成内容的动态特性，利用维克里拍卖机制实现防作弊与最优收益。
• Niklas Karlsson (Amazon Ads)：分享了在数十亿次决策规模下部署 AI 的解法，即通过“分工”策略，让机器学习负责估值，经典控制理论负责预算约束，解决“不可能三角”。

论文亮点与最佳论文

本次 Workshop 共收到 118 篇投稿，评选出多篇 Oral 论文，其中两项最佳论文结论引人深思：

• Long Papers 最佳论文：指出在多家 AI 厂商竞争且用户偏好多样的场景下，市场竞争本身即可迫使模型对齐用户真实利益，个性化即是对齐机制。
• Short Papers 最佳论文：首次实证证实了 LLM 智能体仅通过优化提示词即可自发达成“默契”，在不显式通信的情况下抬高价格，揭示了 AI 市场的“算法合谋”风险。

其他值得关注的研究包括：

• MLHCA 机制：通过机器学习混合组合拍卖，将效率损失降至 1/10，查询次数减少 58%。
• 不完备记忆决策：为智能体“记不住过往行为”的决策难题提供了算法解法与评测基准。
• AI Realtor：设计了包含卖点挖掘、偏好对齐与事实核查的三模块系统，提升大模型撰写销售文案的质量。
• 后悔最小化后训练：通过引入后悔最小化方法，弥补大模型在反复决策场景中的短视短板。

产业实践：阿里妈妈的探索

阿里妈妈在该领域的深耕体现了从“经验规则”向“端到端学习”的演进：

• Neural Auction：首创可微的排序计算形式，打破传统 GSP 机制不可微的瓶颈，开启端到端学习拍卖机制的大门。
• CGA (生成式拍卖)：不再逐条排序，而是利用生成模型一次性拟合整页广告的最优排布方案，显著提升平台收入并逼近理论最优。
• AIGB (AI-Generated Bidding)：将出价视为生成最优策略的过程，结合扩散模型的 DiffBid 使 GMV 提升 3.6%-5.0%，且出价曲线更平滑。
• 生态开放：通过主办 NeurIPS 比赛、开源 AuctionNet 模拟数据及举办 Workshop，阿里妈妈正从技术应用方转变为该领域的基础设施提供者。