2024年11月9日，由中国人民大学高瓴人工智能学院主办的第三届计算经济学研究与应用研讨会顺利召开。北京大学计算机学院讲席教授、欧洲科学院外籍院士邓小铁，北京交通大学经济管理学院教授曹志刚，清华大学计算机系教授陈婧，中国科学院数学与系统科学研究院研究员陈旭瑾，北京理工大学计算机学院准聘教授刘金艳，华中科技大学计算机学院副教授金燕，中国科学院数学与系统科学研究院副研究员王长军，华中科技大学副研究员张乾坤，山东大学软件学院副研究员李维安，北京大学助理教授孔雨晴，浙江大学城市学院助理研究员陈洲，香港中文大学助理教授唐伟，中国人民大学副教授邝仲弘等专家学者受邀参会。

会议由中国人民大学高瓴人工智能学院长聘副教授祁琦，准聘副教授王子贺、沈蔚然共同主持。

山东大学李维安副研究员介绍了他们在多阶段竞赛模型中的创新研究。该研究探讨了竞赛设计者和参赛者之间的策略选择及其均衡状态的存在性。报告指出，在参赛者中可以实现纯策略纳什均衡，并开发了一种算法来计算这种均衡。在设计者的决策分为不同阶段时，研究也证明了另一种稳定状态的存在。这为竞赛设计和策略制定提供了新的视角和工具，具有重要的应用价值。

中国科学院王长军副研究员介绍了多零售商联合补货问题，揭示了如何在非合作环境下有效管理库存。报告指出，在WPS规则（Weighted Payoff Sharing Rule）下，总存在纳什均衡，同时计算了均衡的时间复杂度。研究表明，即使在非合作的背景下，零售商之间仍然可以找到一种稳定的策略组合来优化成本。尽管存在一定的效率损失，但最佳策略组合接近社会最优。

华中科技大学张乾坤副研究员介绍了在线匹配问题中随机奖励模型的研究进展。在线匹配问题是在线算法研究领域的核心问题，在现实生活中具有广泛应用场景。在线匹配问题主要关注二分图中的单侧在线模式，即一部分顶点是离线的（已知的），而另一部分顶点是在线的（逐步到达的）。“随机奖励”模型是一种将边与成功概率相关联的泛化模型，每个匹配的边都有一个与之关联的成功概率。在报告中，报告人介绍了在随机奖励模型上的一系列突破和研究进展。

北京交通大学曹志刚教授介绍了软关闭机制对拍卖中狙击行为的影响。相比于在固定时间结束拍卖的硬关闭规则，如果有投标人在拍卖的最后时刻提出竞标，软关闭规则将会自动延长拍卖时间。报告人将软关闭规则应用到无代理竞标、有限注意力的英式拍卖模型中。报告指出，即便使用软关闭规则，面对注意力有限的投标人，狙击行为依然是在线英式拍卖中的最优回应。而随着投标人注意力的提升及软关闭范围的增加，狙击行为的获胜概率单调下降。

北京理工大学刘金艳准聘教授提出了一种真实且隐私保护的线性模型估计方法，为数据隐私和准确性难题提供了创新性解决方案。线性回归和广义线性模型（GLM）在预测建模、变量关系分析等领域广泛应用，然而，现有方法往往在数据隐私和准确性间存在权衡。为解决这一问题，报告人设计了一个隐私保护机制，利用差分隐私技术，使得模型既能准确估计参数，又保障了参与数据贡献的用户隐私。该机制引入了一种基于激励机制的支付规则，鼓励用户如实报告数据。在实现数据隐私保护的同时，该方法确保了大部分用户在机制中的理性参与。此外，通过理论证明和实验分析，验证了该方法的隐私保护水平和参数估计的准确性。该研究已在多个模拟和真实数据集上取得显著效果，为今后在金融、医疗等领域的应用打下了基础。

北京大学孔雨晴助理教授提出了两种创新机制——生成式同行预测机制（GPPM）和生成式概要同行预测机制（GSPPM），以激励高质量评审意见的生成。该研究首次将LLMs应用于同行预测，通过激励机制提升文本评价质量，为多样化、复杂的文本信息获取提供了新思路。传统的同行预测机制通常适用于简单的报告类型，而该研究提出的新机制则能够在复杂文本场景中运用，填补了高维文本信息获取领域的空白。GPPM和GSPPM机制结合LLMs生成条件概率的优势，确保了报告的质量与真实性在特定假设下达到纳什均衡，使得参与者在激励下倾向于真实报告。在ICLR同行评审和Yelp评价数据集上的实验结果表明，该机制能显著区分出不同质量的文本，包括人类与生成式AI（如GPT-4和GPT-3.5）生成的文本。这项研究不仅是对同行评审质量的提升，也为文本信息自动化、激励兼容的获取提供了坚实的理论和实践依据。

华中科技大学金燕副教授分享了如何结合机器学习与传统方法来解决大规模的组合优化问题。组合优化问题属于 NP-Hard，对于某些大规模的组合优化问题，无法在有限时间内求得精确解。报告首先将组合优化问题的研究方法分为传统方法和人工智能方法两类，并分别介绍了具体的算法和应用实例。随后，报告分享了多种将人工智能方法与传统方法相结合的算法，如 Pointerformer、H-TSP 等，用于求解旅行商问题（TSP）。最后，报告指出，将人工智能技术进一步与传统方法融合，以解决更复杂的组合优化问题，仍然具有广阔的研究前景。

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与发展方向展开了深入讨论。

在计算经济学领域，中国人民大学高瓴人工智能学院拥有一支高水平的师资队伍。高瓴人工智能学院祁琦、王子贺、沈蔚然带领师生40余人，形成了清晰明确的团队梯队建设。

团队在国际一流计算机、人工智能、管理学期刊和会议上发表高水平论文一百余篇，包括《Operations Research》《Mathematical Operations Research》《Games and Economic Behavior》《Transportation Research - Part B》《Theoretical Computer Science》《Artificial Intelligence》等著名期刊，和STOC、SODA、EC、WINE、CCC、NeurIPS、IJCAI、KDD、AAAI等计算机领域顶级国际会议。

团队成员主持国家高层次青年人才计划、国家自然科学基金面上项目及多项香港科学基金研究项目。此外，团队与清华大学、北京大学、上海财经大学、斯坦福大学、哈佛大学、卡内基梅隆大学等国内外知名学术机构，以及华为、腾讯、快手、百度、美团等科技企业建立了长期合作关系，部分研究成果已在字节跳动、百度、快手、美团等互联网平台落地实现。

随着数字经济的迅猛发展，计算经济学作为大数据、人工智能与经济学的关键纽带，正日益展现无限潜力。在此背景下，中国人民大学高瓴人工智能学院定期举办聚焦于“计算经济学理论与应用”的高端研讨会。致力于通过不懈努力，将该研讨会打造成为具有重要国内外影响力的学术交流平台，进而推动学科的交叉融合，促进理论创新与实践应用的深度结合。此外，研讨会也致力于培养具备国际视野和创新能力的顶尖人才，为我国乃至全球经济的数字化转型与高质量发展提供有力支持。

未来，学院将持续秉承开放合作的精神，与国内外众多合作伙伴携手前行，共同开拓计算经济学新领域、新边界，为构建更加智慧、包容和可持续的计算经济学科研与应用体系贡献力量。

高瓴人工智能学院计算经济学研究团队教师简介

祁琦，长聘副教授， CCF中国计算机学会计算经济学专业组秘书长，CCF A类会议WINE 2014, 2024 PC Chair。博士毕业于美国斯坦福大学，导师为约翰·冯·诺依曼奖首位华人获奖者叶荫宇教授。曾任香港科技大学助理教授。主要研究方向为算法博弈论、机制设计、优化和多智能体系统。任多个国际人工智能、互联网和博弈领域会议的资深程序委员及会议联合主席，同时长期担任多个国际一流期刊评审。

王子贺，准聘副教授，CCF中国计算机学会计算经济学专业组执行委员，理论计算机专业组执行委员。本科就读于清华大学计算机科学实验班（“姚班”），2016年于清华大学交叉信息研究院获博士学位，博士导师为唐平中和姚期智院士。研究方向为理论计算机与经济学的交叉学科，如博弈论、机制设计、算法设计等。

沈蔚然，准聘副教授，CCF中国计算机学会计算经济学专业组执行委员，理论计算机专业组执行委员。本科毕业于清华大学电子工程系，2019年于清华大学交叉信息研究院获博士学位，2019年至2020年于卡内基梅隆大学担任博士后研究员。主要研究方向为多智能体系统、博弈论、机制设计和机器学习。