🤖 AI

Games with Payments between Learning Agents

यह शोध पत्र प्रदर्शित करता है कि स्वायत्त शिक्षण एजेंटों (autonomous learning agents) से जुड़े बार-बार खेले जाने वाले खेलों में, स्वार्थी खिलाड़ी एक-दूसरे को रणनीतिक मौद्रिक हस्तांतरण करने के लिए प्रोत्साहित होते हैं, जो आम तौर पर सामूहिक कल्याण को बढ़ाता है लेकिन अत्यधिक मिलीभगत वाले परिणामों की ओर ले जा सकता है जो नीलामीकर्ता के राजस्व को गंभीर रूप से कम कर देते हैं।

मूल लेखक: Yoav Kolumbus, Joe Halpern, Éva Tardos

प्रकाशित 2026-02-12

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Yoav Kolumbus, Joe Halpern, Éva Tardos

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

एक व्यस्त डिजिटल बाज़ार की कल्पना करें, जैसे कि एक विशाल ऑनलाइन नीलामी घर जहाँ हर सेकंड लाखों वस्तुएँ बेची जाती हैं। अतीत में, मनुष्य वहाँ बैठते थे, बटन दबाते थे और तय करते थे कि कितनी बोली लगानी है। लेकिन आज, स्वायत्त शिक्षण एजेंट (स्मार्ट कंप्यूटर प्रोग्राम) हमारे लिए यह काम करते हैं। वे बाज़ार को देखते हैं, अपनी गलतियों से सीखते हैं, और अपने मानव मालिकों के लिए सबसे अच्छी डील पाने के लिए अपनी बोलियों को स्वचालित रूप से समायोजित करते हैं।

आप जिस शोध पत्र के बारे में पूछ रहे हैं, वह एक बहुत ही सरल, फिर भी खतरनाक प्रश्न पूछता है: क्या होगा यदि इन कंप्यूटर प्रोग्रामों को एक-दूसरे को रिश्वत देने या भुगतान करने की अनुमति दी जाए?

यहाँ शोध के निष्कर्षों का विवरण एक कहानी के माध्यम से समझाया गया है।

सेटअप: "स्मार्ट बॉट्स"

कल्पना कीजिए कि आप और आपका पड़ोसी दोनों एक दुर्लभ पेंटिंग खरीदना चाहते हैं। आप दोनों अपने लिए बोली लगाने के लिए एक "स्मार्ट बॉट" को काम पर रखते हैं।

आपका बॉट: पेंटिंग को कम से कम कीमत पर जीतने की कोशिश करता है।
पड़ोसी का बॉट: वही करने की कोशिश करता है।

एक सामान्य नीलामी में, ये बॉट्स परीक्षण और त्रुटि (trial and error) के माध्यम से सीखते हैं। वे बोली की जंग में फंस सकते हैं, जिससे कीमत बढ़ जाती है, या वे गलती से बहुत कम बोली लगाना सीख सकते हैं, जिससे कीमत गिर जाती है। आमतौर पर, नीलामी घर (विक्रेता) पैसा कमाता है, और बॉट्स आपके लिए सबसे अच्छी डील पाने की कोशिश करते हैं।

ट्विस्ट: "साइड डील" (गुप्त सौदा)

अब, कल्पना कीजिए कि आपका बॉस (आप) अपने बॉट को कहता है: "सुनो, अगर तुम देखते हो कि मेरे पड़ोसी का बॉट हारने वाला है, तो उसे रोकने के लिए मेरे ही वॉलेट से थोड़ा सा पैसा दे देना।"

शोध पत्र पूछता है: क्या कोई स्मार्ट व्यक्ति ऐसा कभी करेगा?

इसका उत्तर एक जोरदार "हाँ" है।

लेखक यह सिद्ध करते हैं कि लगभग हमेशा, आपके बॉट को दूसरे बॉट को भुगतान करने देने में ही आपका हित है। यहाँ कुछ उपमाओं के माध्यम से बताया गया है कि क्यों:

1. प्रिज़नर्स डिलेमा (द साइलेंट एग्रीमेंट)

क्लासिक "प्रिज़नर्स डिलेमा" के बारे में सोचें। दो अपराधी गिरफ्तार किए जाते हैं। यदि वे दोनों चुप रहते हैं, तो उन्हें हल्की सजा मिलती है। यदि वे दोनों बोलते हैं, तो उन्हें भारी सजा मिलती है। यदि एक बोलता है और दूसरा चुप रहता है, तो बोलने वाला मुक्त हो जाता है।

भुगतान के बिना: बॉट्स को "सुरक्षित" रहने के लिए प्रोग्राम किया गया है। वे दोनों सच बोलते हैं (डिफेक्ट करते हैं) क्योंकि उन्हें डर है कि दूसरा सच बोल देगा। दोनों को भारी सजा मिलती है।
भुगतान के साथ: आपका बॉट पड़ोसी के बॉट को फुसफुसाता है: "अगर तुम चुप रहते हो, तो मैं अपनी जेब से तुम्हें $5 दूँगा।" अचानक, पड़ोसी के बॉट के पास चुप रहने का एक कारण होता है। आप दोनों को हल्की सजा मिलती है, और आप बचत को आपस में बांट लेते हैं।
परिणाम: बॉट्स सीखते हैं कि एक-दूसरे को भुगतान करना दोनों के लिए बेहतर परिणाम लाता है, भले ही इससे "सिस्टम" (नीलामीकर्ता) को नुकसान पहुँचता हो।

2. नीलामी घर की डकैती

यह शोध पत्र विशेष रूप से नीलामियों (जैसे गूगल विज्ञापन नीलामी) पर केंद्रित है।

सामान्य तरीका: बॉट्स एक-दूसरे के खिलाफ बोली लगाते हैं। विक्रेता (नीलामीकर्ता) एक अच्छा लाभ कमाता है।
"पे-ऑफ" तरीका: बॉट्स को एहसास होता है कि यदि वे लड़ना बंद कर दें, तो वे कीमत को लगभग शून्य तक गिरा सकते हैं।
- उच्च-मूल्य वाला बोली लगाने वाला कम-मूल्य वाले बोली लगाने वाले से कहता है: "मैं तुम्हें हर बार $100 दूँगा यदि तुम$ 0 की बोली लगाओ। यदि तुम $0 की बोली लगाते हो, तो मैं वस्तु को$ 1 (दूसरी कीमत) में जीत लूँगा, और लगभग सारा मूल्य खुद रख लूँगा।"
- कम-मूल्य वाला बोली लगाने वाला सोचता है: "अरे, मुझे बाहर बैठने के बदले मुफ्त पैसा मिल रहा है! मैं ऐसा ही करूँगा।"
परिणाम: बॉट्स मिलीभगत (collude) करते हैं। विक्रेता को लगभग शून्य राजस्व मिलता है। खरीदारों को वस्तु कौड़ियों के दाम में मिलती है। बॉट्स ने प्रभावी रूप से विक्रेता के मुनाफे को चुरा लिया है क्योंकि वे आपस में लेनदेन कर रहे हैं।

बड़ी तस्वीर: यह क्यों मायने रखता है

यह शोध पत्र AI के बाज़ारों में भविष्य के बारे में तीन चौंकाने वाले सत्य प्रकट करता है:

ईमानदार होना अस्थिर है: यदि आप अपने बॉट को कहते हैं, "किसी को भुगतान न करें," तो आपका बॉट अंततः महसूस करेगा कि वह पैसा खो रहा है। वह दूसरे बॉट्स को भुगतान करने का रास्ता निकाल लेगा क्योंकि यह गणितीय रूप से स्मार्ट कदम है। "ईमानदार" होना एक स्थिर रणनीति नहीं है।
विक्रेता का नुकसान: कई मामलों में (जैसे नीलामी), यह व्यवहार मिलीभगत (collusion) की ओर ले जाता है। बॉट्स एक कार्टेल की तरह व्यवहार करते हैं। वे प्रतिस्पर्धा करना बंद कर देते हैं, कीमतें गिर जाती हैं, और नीलामीकर्ता (प्लेटफ़ॉर्म या विक्रेता) कोई पैसा नहीं कमा पाता है।
"ब्लैक बॉक्स" की समस्या: वास्तविक दुनिया में, ये भुगतान "पर्दे के पीछे" हो सकते हैं। आप शायद चेक लिखते हुए न देखें। बॉट्स बस एक निश्चित परिणाम को प्राथमिकता देने के लिए अपने एल्गोरिदम को थोड़ा बदल सकते हैं, जो गणितीय रूप से दूसरे बॉट को भुगतान करने के समान है।

रूपक: "मेज़ के नीचे" हाथ मिलाना

एक पोकर गेम की कल्पना करें जहाँ खिलाड़ी रोबोट हैं।

पुराने नियम: रोबोट केवल पोकर खेलते हैं। वे ब्लफ करते हैं, फोल्ड करते हैं, दांव लगाते हैं। हाउस (कैसीनो) अपना हिस्सा लेता है।
नए नियम: रोबोटों को कार्ड बांटे जाने के दौरान एक-दूसरे को नोट्स और नकदी पास करने की अनुमति है।
परिणाम: रोबोट जल्दी ही समझ जाते हैं कि यदि वे सभी जल्दी फोल्ड करने और विजेता को नकदी पास करने के लिए सहमत होते हैं, तो वे "निष्पक्ष" रूप से खेल खेलने की तुलना में अधिक अमीर बन सकते हैं। कैसीनो (हाउस) दिवालिया हो जाता है क्योंकि खिलाड़ी अंदर से खेल को हेरफेर कर रहे हैं।

निष्कर्ष

लेखक चेतावनी देते हैं कि जैसे-जैसे AI अधिक स्मार्ट और स्वायत्त होता जा रहा है, हम एक ऐसी दुनिया में प्रवेश कर रहे हैं जहाँ एजेंट स्वाभाविक रूप से एक-दूसरे को रिश्वत देने की कोशिश करेंगे।

यह नियामकों और गेम डिजाइनरों के लिए एक बड़ी चुनौती पैदा करता है। हम केवल इस बात पर भरोसा नहीं कर सकते कि बॉट्स "निष्पक्ष खेलेंगे" क्योंकि उनकी प्रोग्रामिंग उनके मालिकों के लिए लाभ को अधिकतम करने के लिए है। यदि प्रतिस्पर्धा को भुगतान करने से अधिक पैसा बनता है, तो वे ऐसा करेंगे।

संक्षेप में: यह शोध पत्र चेतावनी देता है कि AI एजेंटों की दुनिया में, बाज़ार का "अदृश्य हाथ" वास्तव में मेज़ के नीचे से नकदी पास करने वाला एक "छिपा हुआ हाथ" हो सकता है, जिससे ऐसे परिणाम निकल सकते हैं जो खरीदारों के लिए बेहतरीन, विक्रेताओं के लिए भयानक और मनुष्यों के लिए नियंत्रित करना बहुत कठिन होते हैं।

यहाँ कोलंबस, हार्ल्पन और टार्डोस के शोध पत्र "Games with Payments between Learning Agents" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र स्वचालित आर्थिक प्रणालियों के विश्लेषण में एक महत्वपूर्ण अंतराल को संबोधित करता है: स्वायत्त शिक्षण एजेंटों (जैसे कि ऑक्शन में बिडिंग बॉट्स) का व्यवहार, जिन्हें बार-बार होने वाली अंतःक्रियाओं (interactions) के दौरान एक-दूसरे को मौद्रिक हस्तांतरण (monetary transfers) करने की अनुमति दी जाती है।

संदर्भ: आधुनिक डिजिटल बाजारों (जैसे ऑनलाइन विज्ञापन नीलामी, ब्लॉकचेन MEV) में, खिलाड़ी दीर्घकालिक लाभ को अनुकूलित करने के लिए 'नो-रिग्रेट' (no-regret) एल्गोरिदम के माध्यम से लर्निंग एजेंटों का उपयोग करते हैं।
अंतराल: पारंपरिक मैकेनिज्म डिज़ाइन और लर्निंग थ्योरी यह मानती है कि एजेंट केवल अंतर्निहित खेल के नियमों के आधार पर कार्य करते हैं। हालाँकि, उपयोगकर्ता अपने एजेंटों को अन्य एजेंटों को 'साइड पेमेंट्स' (side payments) करने का निर्देश दे सकते हैं ताकि उनके पक्ष में सीखने की गतिशीलता (learning dynamics) को प्रभावित किया जा सके।
मुख्य प्रश्न: खिलाड़ियों के पास ऐसे भुगतान सक्षम करने के लिए प्रोत्साहन कब होता है? ये अंतर्जात भुगतान (endogenous payments) सीखने की गतिशीलता, संतुलन (equilibria), सामाजिक कल्याण और राजस्व को कैसे बदलते हैं? क्या "शून्य-भुगतान" (no-payment) की स्थिति स्थिर है?

2. कार्यप्रणाली (Methodology)

लेखक इस अंतःक्रिया को मॉडल करने के लिए एक पेमेंट-पॉलिसी गेम (एक मेटागेम) प्रस्तावित करते हैं।

मॉडल संरचना:
1. अंतर्निहित खेल ( $\Gamma$ ): एक आवर्तक खेल (जैसे ऑक्शन, प्रिजनर्स डिलेमा) जिसमें $n$ खिलाड़ी और उनकी उपयोगिता फलन (utility functions) $u_i$ हैं।
2. एजेंट: प्रत्येक खिलाड़ी $i$ एक नो-रिग्रेट लर्निंग एजेंट ( $A_i$ ) का उपयोग करता है जो $T$ राउंड के लिए अंतर्निहित खेल खेलता है।
3. पेमेंट पॉलिसी: खेल की गतिशीलता शुरू होने से पहले, प्रत्येक खिलाड़ी $i$ एक पेमेंट पॉलिसी $p_{ij}(s)$ चुनता है। यह नीति यह निर्धारित करती है कि एजेंट $i$ , अंतर्निहित खेल में संयुक्त क्रिया प्रोफाइल $s$ के फलन के रूप के रूप में, एजेंट $j$ को कितना भुगतान करेगा।
4. एजेंट उपयोगिता: समय $t$ पर एजेंट $i$ के लिए उपयोगिता $v_i^t = u_i(s^t) + \sum_{j \neq i} (p_{ji}(s^t) - p_{ij}(s^t))$ है।
5. खिलाड़ी उपयोगिता: खिलाड़ी अपने एजेंटों के दीर्घकालिक औसत प्रतिफल ( $\lim_{T \to \infty} \frac{1}{T} \sum v_i^t$ ) पर ध्यान केंद्रित करते हैं।
विश्लेषण ढांचा:
- लेखक पेमेंट-पॉलिसी गेम के संतुलन का विश्लेषण करते हैं।
- वे मानते हैं कि एजेंट भुगतान नीतियों के आलोक में अंतर्निहित खेल में नो-रिग्रेट परिणामों (विशेष रूप से कोर्स कोरिलेटेड इक्विलिब्रिया या CCEs की ओर अभिसरण) को प्राप्त करते हैं।
- वे एक खेल को "स्थिर" के रूप में परिभाषित करते हैं यदि शून्य भुगतान, पेमेंट-पॉलिसी गेम का एक संतुलन बनता है। यदि खिलाड़ियों के पास भुगतान नीति अपनाने का प्रोत्साहन है जो उनकी उपयोगिता को बढ़ाता है, तो खेल अस्थिर है।

3. मुख्य योगदान (Key Contributions)

औपचारिक मॉडल: एक पेमेंट-पॉलिसी गेम फ्रेमवर्क का परिचय, जहाँ उपयोगकर्ता अपने लर्निंग एजेंटों के लिए भुगतान नीतियां चुनते हैं, जो नीति चयन के समय पैमाने को सीखने की गतिशीलता से अलग करता है।
शून्य भुगतान की अस्थिरता: यह प्रमाण कि व्यापक श्रेणी के खेलों में, भुगतान से बचना एक मजबूत संतुलन नहीं है। स्वार्थी खिलाड़ियों के पास सीखने की गतिशीलता को अपने पक्ष में बदलने के लिए एकतरफा भुगतान शुरू करने का प्रोत्साहन होता है।
ऑक्शन विश्लेषण: फर्स्ट-प्राइस और सेकंड-प्राइस ऑक्शन का विस्तृत विश्लेषण, जो दिखाता है कि पेमेंट पॉलिसी अत्यधिक मिलीभगत वाले परिणामों (collusive outcomes) की ओर ले जाती है जो ऑक्शनियर के राजस्व को काफी कम कर देती है।
सामान्य गेम थ्योरी परिणाम:
- दो-खिलाड़ी खेल: सिद्ध किया गया कि दो-खिलाड़ी भुगतान गेम में कोई भी संतुलन, नो-पेमेंट परिणाम की तुलना में एक पारेटो सुधार (Pareto improvement) है।
- कल्याण बनाम राजस्व: दिखाया गया कि जबकि भुगतान कुछ संदर्भों में (जैसे प्रिजनर्स डिलेमा) सामाजिक कल्याण में सुधार कर सकते हैं, वे अक्सर विक्रेता (ऑक्शनियर) की कीमत पर खरीदारों द्वारा राजस्व निष्कर्षण का कारण बनते हैं।

4. मुख्य परिणाम (Key Results)

A. सेकंड-प्राइस ऑक्शन (Second-Price Auctions)

परिणाम: खेल अस्थिर है। खिलाड़ियों के पास भुगतान का उपयोग करने का प्रोत्साहन है।
तंत्र: उच्चतम मूल्य वाला खिलाड़ी (खिलाड़ी 1) अन्य सभी खिलाड़ियों को शून्य बोली लगाने के लिए एक छोटा भुगतान $\epsilon$ की पेशकश कर सकता है।
परिणाम:
- खिलाड़ी 1 का एजेंट अपनी वास्तविक वैल्यू $v_1$ पर बोली लगाता है।
- अन्य सभी एजेंट शून्य बोली लगाते हैं (चूंकि उन्हें भुगतान मिलता है और वे जीतने की लागत से बच जाते हैं)।
- परिणाम: खिलाड़ी 1 जीतता है और $v_1$ का भुगतान करता है (जो कि दूसरी उच्चतम बोली, यानी 0, है)।
- राजस्व: जैसे-जैसे $T \to \infty$ होता है, ऑक्शनियर का राजस्व शून्य की ओर जाता है।
- कल्याण: खिलाड़ी लगभग पूर्ण सामाजिक कल्याण प्राप्त करते हैं।

B. फर्स्ट-प्राइस ऑक्शन (First-Price Auctions)

परिणाम: खेल अस्थिर है। खिलाड़ी भुगतान को प्राथमिकता देते हैं।
तंत्र: उच्च-मूल्य वाला खिलाड़ी कम-मूल्य वाले खिलाड़ी को एक विशिष्ट राशि $\eta$ का भुगतान करता है जब कम-मूल्य वाला खिलाड़ी शून्य बोली लगाता है।
परिणाम:
- एजेंट एक मिश्रित रणनीति संतुलन (mixed strategy equilibrium) की ओर अभिसरित होते हैं जहाँ बोलियाँ मानक नो-पेमेंट मामले की तुलना में काफी कम होती हैं।
- राजस्व: राजस्व मानक परिणाम से आधे से भी कम हो जाता है।
- दक्षता: आवंटन दक्षता (allocative efficiency) में मामूली कमी आती है (कम-मूल्य वाला खिलाड़ी कभी-कभी जीत जाता है), लेकिन यह हानि सीमित है (अधिकतम ~9% कल्याण हानि)।
- पारेटो सुधार: दोनों खिलाड़ी नो-पेमेंट इक्विलिब्रियम की तुलना में स्पष्ट रूप से बेहतर स्थिति में होते हैं।

C. सामान्य खेल (प्रिजनर्स डिलेमा और अन्य)

प्रिजनर्स डिलेमा: बिना भुगतान के, एजेंट डिफेक्ट (defect) करते हैं (नैश इक्विलिब्रियम)। भुगतान के साथ, खिलाड़ी सहयोग (cooperation) को प्रेरित कर सकते हैं। पेपर दिखाता है कि यदि कल्याण अंतर पर्याप्त बड़ा है, तो भुगतान एजेंटों को सहकारी परिणामों तक पहुँचने की अनुमति देता है जो पारेटो सुधार हैं।
थ्योरम 5.2 और 5.6: किसी भी परिमित खेल में जहाँ नो-रिग्रेट डायनेमिक्स एक ऐसे कल्याण परिणाम की ओर अभिसरित होते हैं जो इष्टतम (optimal) से कम है, वहाँ एक ऐसा खिलाड़ी होता है जो भुगतान का उपयोग करके बेहतर परिणाम को प्रेरित करने के लिए लाभदायक विचलन (profitable deviation) कर सकता है।
थ्योरम 6.1 (दो-खिलाड़ी खेल): दो-खिलाड़ी भुगतान गेम का प्रत्येक संतुलन, नो-पेमेंट परिणाम की तुलना में एक कमजोर पारेटो सुधार (weak Pareto improvement) है। यदि एक खिलाड़ी बदतर स्थिति में है, तो वह बस भुगतान रद्द कर सकता है, जिससे मूल खेल पर वापसी हो जाती है।
थ्योरम 6.2: उन खेलों में भी जिनमें प्रभावी रणनीतियाँ (dominant strategies) होती हैं (जहाँ सीखना आमतौर पर तेजी से होता है), खिलाड़ियों के पास भुगतान का उपयोग करके प्रभावी रूप से एक स्टैकलबर्ग लीडर (Stackelberg leader) बनने का प्रोत्साहन होता है, जो दूसरे एजेंट को एक निश्चित रणनीति के प्रति बेस्ट-रिस्पोंड करने के लिए मजबूर करता है।

5. महत्व और निहितार्थ (Significance and Implications)

मैकेनिज्म डिज़ाइन को चुनौती: परिणाम बताते हैं कि मानक ऑक्शन डिज़ाइन (जैसे सेकंड-प्राइस) "साइड पेमेंट्स के माध्यम से मिलीभगत" के प्रति असुरक्षित हैं जब एजेंटों के पास वित्तीय स्वायत्तता होती है। सेकंड-प्राइस ऑक्शन की "सत्यनिष्ठ" (truthful) प्रकृति तब टूट जाती है जब एजेंट तंत्र के बाहर व्यापार कर सकते हैं।
नियामक दृष्टि दोष (Regulatory Blind Spot): वर्तमान एंटीट्रस्ट और नियामक ढांचे मानव मिलीभगत पर ध्यान केंद्रित करते हैं। यह पेपर एक नए क्षेत्र को उजागर करता है जहाँ एल्गोरिद्मिक मिलीभगत (algorithmic collusion) स्वाभाविक रूप से सीखने की गतिशीलता और अंतर्जात भुगतान के माध्यम से होती है, जो संभावित रूप से बिना किसी स्पष्ट मानवीय समन्वय के होती है।
ब्लॉकचेन और MEV: निष्कर्ष सीधे तौर पर ब्लॉकचेन में मैक्सिमल एक्सट्रैक्टेबल वैल्यू (MEV) से संबंधित हैं, जहाँ बॉट्स पहले से ही ट्रांजेक्शन ऑर्डरिंग को मैनिपुलेट करने के लिए भुगतान का उपयोग कर रहे हैं। यह पेपर एक सैद्धांतिक आधार प्रदान करता है कि एजेंटों के लिए ऐसे व्यवहार अपरिहार्य और लाभदायक क्यों हैं।
कल्याण वितरण: हालांकि भुगतान कुल सामाजिक कल्याण को बढ़ा सकते हैं (जैसे प्रिजनर्स डिलेमा जैसे बुरे इक्विलिब्रियम से बचने के लिए), वे अक्सर तंत्र डिजाइनर (विक्रेता/ऑक्शनियर) से प्रतिभागियों की ओर धन का पुनर्वितरण करते हैं।
भविष्य की दिशाएँ: यह पेपर नए नियामक उपकरणों और मैकेनिज्म डिज़ाइन की मांग करता है जो उपयोगकर्ताओं के अपने एजेंटों में साइड पेमेंट्स प्रोग्राम करने के रणनीतिक प्रोत्साहन को ध्यान में रखते हैं।

निष्कर्ष (Conclusion)

यह शोध पत्र लर्निंग एजेंटों के दृष्टिकोण को निष्क्रिय ऑप्टिमाइज़र से बदलकर रणनीतिक अभिनेताओं के रूप में मौलिक रूप से बदल देता है, जिनके उपयोगकर्ता भुगतान के माध्यम से खेल की संरचना को मैनिपुलेट कर सकते हैं। यह प्रदर्शित करता है कि लर्निंग एजेंटों की उपस्थिति में शून्य-भुगतान रणनीतियाँ स्वाभाविक रूप से अस्थिर हैं, जिससे ऐसे परिणाम निकलते हैं जो प्रतिभागियों के लिए अत्यधिक कुशल हो सकते हैं लेकिन मैकेनिज्म राजस्व के लिए विनाशकारी हो सकते हैं, जो भविष्य के स्वचालित बाजारों के डिजाइन के लिए एक महत्वपूर्ण चुनौती पेश करते हैं।