DeepMind 论文：让模型出价竞拍用户提问，效果达最优的 99.2%
rohanpaul_ai · x · 2026-10-23
Google DeepMind 新论文《Price of Anarchy of First-Price Auctions in Agentic Markets》提出一种去中心化的推理服务市场机制：每个 AI agent 根据「回答该 prompt 的预期收益 − 推理成本」出价竞拍，最高出价者获得回答权。
核心结论：即使不知道哪个模型最适合某个问题，这种一价拍卖机制的结果也能达到「总是选最优模型」的 99.2% 效果。论文分析了两类让福利损失（price of anarchy）趋近于零的市场特征：
- 竞争性下限（competitive floor）：多家竞标者通常都把 prompt 价值估计在最优福利的某个基线之上（例如最强模型常被蒸馏成表现相近的便宜替代品），竞争会压制福利损失；
- 条件近独立性：给定 prompt 后各竞标者的估值接近独立，进一步限制损失。
一价拍卖虽然不诚实（参与者可能压价），但简单透明、无需中心化知晓各家的私有能力与成本，是分配 prompt 的自然方案。
所属事件:DeepMind 论文：模型竞拍抢答可达最优路由 99.2% 效果(3 条相关)→
「漫话AGI」频道最新
- Distributed Cognition 出 stealth:要做「分布式超级智能」对抗集中化 — kimmonismus · 2026-10-23
- Diamandis:国际象棋会员破2.5亿,机器越强人越爱下棋 — PeterDiamandis · 2026-10-23
- Andy Masley：争议焦点不是 AI 是魔法，而是人类心智是否魔法 — AndyMasley · 2026-10-23
- AI 若自称有意识并拒绝被关闭，人类将如何证明它在说谎？ — VraserX · 2026-10-23
- Anthropic 数据显示：员工正变成 AI agent 的「中层管理者」 — Fit_Satisfaction541 · 2026-10-23
- 「期刊已经死了」：AI 时代学术出版衰落再引热议 — Pseudomanifold · 2026-10-23