Normatively guided graph diffusion for efficient and rational utility generation in bilateral bargaining

Moirangthem Tiken Singh

doi:10.1016/j.knosys.2026.116731

Normatively guided graph diffusion for efficient and rational utility generation in bilateral bargaining

2026-07-01

0

PRE

AI

M

Moirangthem Tiken Singh *

DOI：10.1016/j.knosys.2026.116731

原文链接

原文求助

摘要

En 中文

自主AI代理在谈判和资源分配环境中运行时，必须生成具有个体理性、帕累托效率和公理公平性的效用分配，同时保持对刻画现实世界人类谈判语料库的偏差训练数据的鲁棒性。现有的生成方法再现经验性讨价还价行为，但在推理过程中未强制执行合作博弈论原则，而经典优化方法需要经验数据中不可用的精确解析帕累托前沿规范。本研究引入了一种规范性引导的图扩散框架，用于双边谈判中高效且个体理性的效用生成。谈判状态由图注意力网络（GATv2）编码，并基于去噪扩散隐式模型（DDIM）。一种可微的引导机制在后期激活窗口中对纳什积不足和个体理性违反进行惩罚，在保持生成多样性的同时强制执行公理合规性。一种理论近似边界建立了激活窗口、引导强度和去噪器精度如何共同控制与纳什谈判解的最坏情况距离。在合成不可转移效用语料库和两个人类谈判数据集上的评估表明，纳什效率在合成语料库中达到0.9913，同时完全符合个体理性合规性，在Deal-or-No-Deal上从0.9249提高到0.9921。在CaSiNo上，盈余恢复得到改善，尽管在离散分配流形上球面前沿近似的一种几何局限性被识别出来并进行了机制诊断。

Keyword:

Normative decision support

Graph Attention Networks

Diffusion generative models

Nash Bargaining Solution

Bilateral negotiation

Differentiable normative guidance

Normatively guided graph diffusion for efficient and rational utility generation in bilateral bargaining

摘要

期刊

机构

引用论文