划重点：这是ICLR成立以来，首次设立聚焦「机制设计与决策智能」方向的Workshop。

  这一里程碑事件标志着，横跨经济学、博弈论和AI的硬核交叉领域，郑重进入了全球深度学习顶会的核心视野。

  此外，这次Workshop还有众多亮点，比如采用了双投政策，即使接收也不影响其他投递；汇集了众多行业嘉宾大咖；还是一次连接学术与工业的桥梁。

  机制设计与决策智能是经济学、计算机科学和人工智能的交叉前沿，关注如何在多方参与者中设计规则和系统，以实现特定目标并优化整体结果。

  因为在主流AI会议中的长期缺位，研究人员往往只能分散参加不相同的领域的会议，缺乏一个集中的平台。

  ICLR的这项举措，直接填补了这一空白，更加预示着范式融合的加速，AI将更好地服务社会。

  无论你是做强化学习、生成式AI，还是研究博弈论、运筹优化，只要你的工作涉及智能体之间的策略互动、规则设计或复杂决策，这里就是你的主场。

  如果说Workshop的主题决定了上限，那么嘉宾的阵容则决定了它的底蕴。

  核心成就：他是Libratus（冷扑大师）之父。早在2017年，他带领团队开发的LibratusAI在德州扑克人机大战中击败了顶尖人类职业玩家，解决了不完美信息博弈的重大难题。他的研究横跨博弈论、机制设计与AI优化，是该领域当之无愧的泰斗。

  核心成就：对于计算机专业的学生来说，他的名字可能印在你的教科书封面上——他是经典著作《近似算法》(Approximation Algorithms）的作者。Vazirani教授在算法博弈论、市场均衡计算等领域做出了奠基性的贡献，他的思想深刻影响了计算经济学的发展。

  核心成就：作为谷歌Research的核心科学家，他在机制设计与机器学习的结合上有着深入研究，代表了硅谷最前沿的技术风向，其成果曾在斩获Best Paper奖项。

  核心成就：他是将控制理论、动态系统与在线广告拍卖结合的先行者。在亚马逊这样庞大的电商生态中，Karlsson负责设计支撑亿级交易的广告系统，他的分享将带来最硬核的工业界视角。

  核心成就：国内该领域的青年领军人物，在多智能体系统与计算经济学方面成果斐然。荣获英特尔中国学术英才计划、上海市计算机学会自然科学奖一等奖等多项科研奖励。

  本次Workshop由阿里妈妈联合北京大学邓小铁教授团队、MIT、莱斯大学、罗马大学、INRIA巴黎、上海交通大学、中国人民大学等全球顶尖学术力量共同发起。

  这种「顶级产业界 + 顶级学术界」的配置，保证了研讨内容既有理论深度，又具备真实的产业落地价值。

  在「AI+机制设计与决策智能」这条硬核赛道上，阿里妈妈不仅是探索者，更是构建了完整技术版图的领跑者。

  不同于纯理论研究，阿里妈妈每天都要处理亿万级的广告拍卖、流量匹配与商家博弈。这种超大规模的真实业务场景，直接逼出了技术的代际飞跃。

  开始将深度学习&强化学习引入到机制设计中，如RegretNet、RDM等，他们通过引入深度网络强大的学习能力，提升拍卖机制的优化效果，为拍卖机制的发展开辟了一条新的道路。

  遗憾的是，这些工作都做了很强的理论假设如广告主个数固定等，没看到在工业界大规模落地的实践。

  为克服经典机制（比如GSP）中「排序不可微」导致难以端到端优化的问题，阿里妈妈

  不过尽管Neural Auction等方法提升了分配灵活性，但仍受限于「先预估再分配」的范式，这种范式只能建模参竞广告集合内的外部性，无法捕捉最终分配结果的整页上下文信息（即排列外部性）。

  提出首个使用生成式模型建模排列外部性的广告拍卖机制-生成式拍卖（Contextual Generative Auction, CGA）

  该框架通过自回归模型生成广告分配结果，并将激励兼容（Incentive Compatibility, IC）条件

  量化为最小化事后后悔（ex-post regret），实现端到端学习最优计费规则。

  所谓广告出价，就是广告主为了在网站上展示自己的广告，愿意为一次「展示」或「点击」等结果支付的最高价格，可以看作是一场实时的「微型拍卖会」。

  可以说，它是网络广告商业模式的引擎，连接着用户、媒体平台和广告主，起着非常非常重要的作用。

  但阿里妈妈发现，传统RL在面对长序列决策、稀疏回报（如ROI延迟反馈）时，训练极不稳定。

  AIGB不再像传统RL那样去估计价值函数，而是把「出价问题」重新建模为「生成式序列决策问题」

  。就像ChatGPT生成文本那样，AIGB利用Transformer或扩散模型，直接根据广告主的预算ROI目标和当前环境，「生成」出一整套最优的出价策略轨迹。

  ，在Target ROAS任务中带来了GMV +5.0%的显著增长。同时，它生成的出价轨迹更平滑，大幅度减少了预算过早耗尽或剧烈波动的情况。

  因此，DiffBid既为广告主带来更多收益，又很好保障了广告主的ROI。

  的支撑，其参数规模已达万亿级别，为理解用户意图和市场环境提供了强大的底座。可以说，AI慢慢的变成了了阿里妈妈算法的基因

  竞赛：从工业研究到开源竞赛并且，阿里妈妈不仅自己用，还在推动整个社区的发展。

  2024年，阿里妈妈在顶级会议NeurIPS上发起并主办了「大规模拍卖中的自动出价」竞赛，特设AIGB赛道，这是当年唯一拥有NeurIPS比赛主办权的国内工业界组织

  。为了解决学术界缺乏真实大规模数据的痛点，阿里妈妈正式开源了业界首个标准化的大规模模拟竞价系统和大规模博弈数据集AuctionNet

  。正是因为在AIGB这一生成式决策领域的开创性贡献和深厚的技术积累，阿里妈妈牵头举办AIMS Workshop，是一次水到渠成的技术引领。

  另外，如果你之前其他会议中遗憾被拒，但工作本身就具有创新性，AIMS欢迎你带着完善后的成果来这里交流，让金子发光。

  ，优秀的工作还将获邀进行Oral报告，直接面对全球最顶尖的头脑展示成果。src=

  无论你是计算机背景还是经济学背景，只要你的研究落在以下四大象限，请别犹豫，立即投稿。

  如果你在做这方面的研究，如果你不满足于「只训练一个更强的模型」，而是想用AI去重塑系统、优化规则，那么AIMS就是你一定不可以错过的舞台。