报告人：唐志皓，上海财经大学

报告地点：计算机楼535

报告时间：2026年3月30日10:00-12:00

报告题目：带隐藏样本的定价问题

个人简介：

唐志皓，上海财经大学计算机与人工智能学院副教授、副院长，毕业于北京大学和香港大学，分别获得学士与博士学位。主要从事理论计算机科学研究，重点关注不确定性环境下的算法设计与分析，研究领域包括在线算法及经济学与计算交叉方向。

报告简介：

本次报告围绕单样本信息下的先验无关定价问题展开研究。在单件商品面向单个买方的销售场景中，卖方仅能观测到来自估值分布的一个样本，而买方却掌握完整分布信息。经典稳健定价方法通常分为两类：一类依赖均值、范数、超分位数等分布统计量，而这往往需要大量样本进行估计；另一类则直接依据已揭示样本确定价格与分配。报告表明，借助买方的信息优势，这两类方法可以在统一框架下得到联结：许多传统上需要卖方预先知道统计量的定价策略，其实仅凭一个“隐藏样本”即可实现。

为此，报告提出隐藏定价机制，即卖方预先承诺一个基于单一样本的定价规则，而该样本仅在买方作出参与决策后才被揭示。报告证明了任意凹定价策略都能够通过这种机制实现。进一步地，为分析其性能保证，报告给出了一个针对 α-regular分布上单调定价策略的一般性归约，从而能够有效刻画最坏情形实例。在此基础上，报告刻画了最优的单调隐藏定价机制，并给出了相应近似比；其中，对单调危险率分布可达到约 0.79 的近似保证。此外，报告还给出了一般凹定价策略及所有先验无关机制的不可能性结果，并说明该框架同样适用于基于统计量的稳健定价，从而统一了基于样本与基于统计量的两类研究路径。