在本文中，我们重新审视一个经典问题：拍卖设计如何影响收入和竞标者行为？我们通过分析竞标者使用简单的人工智能算法来确定出价（而不是使用纳什均衡范式）的拍卖，对这个问题有了新的认识。我们的主要结果是，当竞标者使用这些算法时，拍卖形式和其他设计选择会对收入和竞标者收益产生一阶效应。具体来说，我们提出了两个发现。首先，我们观察到第一价格拍卖的收入可能明显低于第二价格拍卖。我们在一个非常简单的设置中展示了这一点：有两个竞标者和恒定的对称值。我们考虑的算法是简单的 Q 学习算法，它以非常简化的形式跟踪过去拍卖的历史，并且不是专门为发现动态奖励/惩罚策略而设计的。其次，我们表明，一种简单实用的拍卖设计选择——在拍卖后向竞标者透露中标价——可以使第一价格拍卖更具竞争力。 1 事实上，提供此类信息可以使出价和收入达到一次性纳什均衡所预测的竞争水平（以及我们在二价拍卖中观察到的水平）。我们有兴趣研究拍卖设计如何影响人工智能算法的发挥，原因有二。首先，我们认为我们的分析非常适用于在线广告拍卖，在这种拍卖中，某些类型的展示/点击的竞标者每天在数千场拍卖中竞争。2 在线广告拍卖通常在几分之一秒内完成。竞标者通常依赖拍卖商提供的、内部开发的或第三方开发的竞标工具。3 随着此类算法越来越受欢迎，一个自然而然的问题是，当多个竞争对手使用类似的工具，每个工具都代表其所有者进行优化时，此类拍卖的玩法将如何演变。其次，最近关于算法定价的一系列论文表达了对算法定价的担忧