炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

（来源：新智元）

新智元报道

编辑：Aeneas 好困

【新智元导读】史上首次，ICLR成立后设立机制设计相关Workshop，全球顶流学者众神云集！

近日，被誉为全球机器学习三大顶级会议之一的ICLR宣布：

由阿里妈妈牵头，联合北京大学、MIT、CMU等全球顶尖高校发起的专题研讨会 ——「AI for Mechanism Design and Strategic Decision Making」（简称AIMS），在激烈的竞争中脱颖而出，正式通过评审。

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、博弈论与人工智能的硬核交叉领域，正式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。

ICLR首个

「机制设计与决策智能」Workshop

机制设计和决策智能是什么？

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。

简单来说，这是一个角色的转换：

它的核心在于让所有参与者在博弈中达成系统层面的最佳状态。而在这种机制下，决策智能负责指导参与者做出最佳选择，最大化参与者的自身利益。

从应用场景来看，它无处不在：

从淘宝广告的自动竞价，到云服务器的算力调度； 从滴滴的派单匹配，到肾脏交换的医疗系统。

从技术演进来看，这是一场范式革命：

我们不再寻求单一的预测精度，而是追求在复杂博弈环境下的效率、公平与鲁棒性。

为什么这次Workshop意义重大？

长久以来，以ICLR、NeurIPS和ICML为代表的三大机器学习顶会中，机制设计与决策智能相关的研讨会一直寥寥无几。

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同领域的会议，缺乏一个集中的平台。

如今，这一现状终于被打破了！

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。

而且，这次Workshop，直接聚焦了最前沿的交叉地带。

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。

众神云集

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。

AIMS Workshop邀请到的Keynote Speakers阵容，堪称该领域的「全明星名人堂」。

他们中的每一位，都是足以载入计算机科学或经济学史册的人物。

Tuomas Sandholm（CMU教授）

Vijay V. Vazirani（加州大学尔湾分校杰出教授）

Song Zuo（谷歌研究科学家）

Niklas Karlsson（Amazon ADSP首席科学家）

Zhenzhe Zheng（上海交通大学教授）

连接学术与工业的「顶配」桥梁

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。

这次ICLR Workshop，为什么是由阿里妈妈牵头？答案很简单——

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。

1. 机制设计：从NeuralAuction到AIGA

从经典的拍卖机制开始，如何通过数据化&智能化提升拍卖机制的效果是发展主线。

自2019年开始，学术界开始将深度学习&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，没有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，阿里妈妈提出Neural Auction，一种可微的计算形式来表达「排序」算子，使拍卖机制能通过梯度下降直接优化业务目标（如收入、转化）。

该工作奠定了工业级Learning-based机制设计的基础，被学术界评价为「开创性尝试」。

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）。

为此，阿里妈妈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）。

感知排列外部性的生成式拍卖整体框架

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。

大规模离线实验和在线A/B实验表明CGA能显著提升平台收入等关键指标，同时有效逼近理论最优拍卖的结果。

该成果被KDD'25 Research Track接收，标志着阿里妈妈从「局部可微优化」走向「生成式、全局最优的智能拍卖新范式」。

2. 出价决策智能：从RL到AIGB

广告出价，是阿里妈妈团队最常遇到的决策智能场景。

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，它是互联网广告商业模式的引擎，连接着用户、媒体平台和广告主，起着极其重要的作用。

在这个领域，行业经历了三个阶段。

最早是PID控制，然后进化为基于强化学习的出价。

自动出价技术演进路线

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。

2023年，阿里妈妈在业界首次提出了AIGB（AI-Generated Bidding）—— 生成式出价模型。

可以说，这是一个颠覆性的概念！

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AIGB的框架下，阿里妈妈研发了基于扩散模型的DiffBid。

在阿里妈妈的广告平台实测中，DiffBid相比传统RL方法，在Max-Return任务中带来了GMV +3.6%的提升，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。

此外，这些技术背后还有阿里妈妈自研的广告大模型LMA2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已经成为了阿里妈妈算法的基因。

3. 开源与竞赛：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。

Workshop等你来

极致包容的「双投」政策

好消息是，这次AIMS Workshop明确采用「非存档性质」（Non-archival）。你的论文即使被AIMS接收，未来依然按照你的后续发表计划，继续投递其他顶级会议或期刊。

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

奖项设置

这次Workshop设立了Best Paper（长文/短文各一）和Best Poster奖项，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。

征稿方向：四大前沿赛道

AIMS Workshop鼓励跨学科的大胆尝试。

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，请不要犹豫，立即投稿。

方向一：AI for Mechanism Design（AI赋能机制设计）

方向二：AI for Strategic Decision Making（AI赋能战略决策）

方向三：理论、伦理与社会影响

方向四：应用与案例研究

ICLR 2026，现场见

2026年4月26日，在ICLR的现场，AIMS Workshop将汇聚全球最聪明的头脑。

这不仅是一次学术会议，更是一次关于未来的预演。

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就是你绝对不能错过的舞台。

Don't just play the game. Design it with AI .

目前，AIMS Workshop已面向全球研究者正式开放征稿！

截稿日期：

2026年1月30日

会议时间：

2026年4月26日

投稿地址：

https://openreview.net/group?id=ICLR.cc/2026/Workshop/AIMS

官方网站：

https://alimama-tech.github.io/aims-2026/

咨询邮箱：

aims_iclr2026@alibaba-inc.com

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！