개인 정보를 가진 수신자를 설득하는 방법

Learning to Persuade Privately Informed Receivers

베이지안 설득 연구는 정보가 있는 발신자가 전략적인 정보 공개를 통해 수신자의 행동에 영향을 미치는 방법을 다룹니다. 기존 모델에서는 발신자가 수신자의 유일한 정보 출처라고 가정하지만, 실제 많은 경우 수신자는 발신자가 관찰하거나 통제할 수 없는 외부 정보를 활용합니다. 본 연구는 이진 액션을 취하는 수신자가 발신자에게 알려지지 않은 고정된 신호 체계를 사용하는 온라인 베이지안 설득 문제를 다룹니다. $T$라운드 동안, 발신자는 신호 체계를 선택하고 신호를 전송하며, 수신자는 이를 자신의 사적인 신호와 결합하여 행동하고, 발신자는 오직 행동만을 관찰합니다. 우리는 상태 공간과 수신자 신호 알파벳 크기에 다항식적으로 의존하는, $T^{3/4}$에 비례하는 후회를 달성하는 학습 알고리즘을 설계했습니다. 핵심 아이디어는 발신자가 알지 못하는 수신자의 사적인 신호 체계로 인해 발생하는 지수적으로 큰 믿음 공간 분할 문제를, 1차원 변화점 탐지 문제로 줄이는 것입니다.

Bayesian persuasion studies how an informed sender can influence the behavior of a receiver through strategic information disclosure. Standard models assume the sender is the receiver's only source of information, yet in many applications receivers also consult external sources the sender can neither observe nor control. We study an online Bayesian persuasion problem in which a binary-action receiver has access to a fixed signaling scheme that is unknown to the sender. Over $T$ rounds, the sender commits to a signaling scheme and sends a signal; the receiver combines it with its private signal and acts, while the sender observes only the action. We design a learning algorithm that achieves regret $\widetilde{O}(T^{3/4})$ relative to the optimal scheme of a sender who knows the private signaling scheme of the receiver, with polynomial dependence on the sizes of the state space and the receiver's signal alphabet. Our key insight is reducing the problem of learning the exponentially large belief-space partitioning induced by the private scheme to a one-dimensional change-point detection problem.