📊 statistics

Optimizing Social Utility in Sequential Experiments

本文提出了一种序贯实验协议，其中监管机构部分补贴开发者的试验成本以克服高风险领域的财务障碍，并通过信念马尔可夫决策过程模型证明，与标准非序贯方法相比，该方法可将社会效用提升超过 35%。

原作者： Ander Artola Velasco, Stratis Tsirtsis, Manuel Gomez-Rodriguez

发布于 2026-05-08

📖 1 分钟阅读☕ 轻松阅读

原作者： Ander Artola Velasco, Stratis Tsirtsis, Manuel Gomez-Rodriguez

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象你是一位天才发明家，创造了一种奇迹药物。你知道它可能带来奇效，但尚未百分之百确定。为了获得政府（即“监管机构”）的批准，你必须开展昂贵的医学试验，以证明其安全有效。

问题在于：这些试验耗资巨大。如果你不确定药物能否通过试验，可能会因害怕投入资金而却步，导致一种可能挽救生命的“登月式”发明永远无法面世。政府需要这些药物，但也不愿在失败的项目上浪费资金。

本文提出了一种新的博弈方式，将其转变为合作团队的努力，而非高风险的赌博。

博弈：共担风险策略

将药物开发者（即“代理人”）与政府监管机构（即“委托人”）之间的关系，想象成一次“捕鱼探险”。

旧方式（非序列式）： 你必须购买一张巨大的渔网，并一次性撒网。如果未能立即捕获大鱼，你将失去一切。如果你心存疑虑，甚至不会购买渔网。
新方式（序列式）： 你从一张小网开始。撒网后，如果捕获了几条小鱼，说明该渔场有希望，于是你购买一张稍大的网再次尝试。如果一无所获，则尽早收手，损失极小。

本文引入了一种“补贴机制”，使这种“小网”策略得以实施。政府表示：“我们将支付你部分捕鱼成本，但前提是你最终捕获了大鱼（即获得批准）。”

运作机制：“信念”罗盘

开发者和监管机构并不知晓药物的真实效力，他们拥有的是一种“信念”——一种随着数据收集而不断更新的直觉。

试验： 开发者开展小型试验。
更新： 根据结果，他们更新对药物优劣的“信念”。
决策：
- 若信念强劲： 继续推进，可能开展更大规模的试验。
- 若信念薄弱： 可尽早退出（选择退出），以节省资金。
- 若证据确凿： 监管机构立即批准该药物。

本文使用一种名为“马尔可夫决策过程”的数学工具（可将其想象为超级智能的 GPS）来计算最佳策略。它告诉开发者在每一步应使用多大的网以最大化利润，同时告诉政府应覆盖多少成本以最大化社会收益。

数学的“魔力”

研究人员发现，关于政府补贴存在一个有趣的现象：

曲线简洁： 若将“社会收益”与“政府补贴金额”绘制成图，该线由直线段构成（如同锯齿状的山脉），而非杂乱无章、不可预测的曲线。
最佳点： 由于该线由直线段构成，政府可采用简单的“分而治之”策略（如同猜数字游戏），迅速找到最佳补贴金额。他们无需随机猜测，而是可以精确计算出社会收益最高的点。

成果：拯救生命与资金

作者利用抗生素开发的真实世界数据测试了这一构想。抗生素是完美的例子，因为它们对公共卫生至关重要，但往往对公司而言无利可图。

结果： 通过采用这种序列式、受补贴的方法，与旧有的僵化“一次性”试验方法相比，社会效用（即对社会产生的益处）提升了超过 35%。
原因： 补贴鼓励开发者去冒险尝试那些原本会被放弃的“登月式”药物。序列式结构使他们能在药物表现不佳时尽早止损以节省资金，并在表现良好时扩大规模。

核心要点

本文建议，监管机构不应迫使开发者将全部身家押注于单次大规模试验，而应像风险投资人那样行事。他们应提出分担一系列更小、更明智实验的成本。

对开发者而言： 降低了破产风险。
对监管机构而言： 确保只为真正有效的药物付费，同时鼓励开发那些高风险但可能具有革命性的药物。
对社会而言： 我们能更快、更廉价地获得更多救命药物。

本文证明，借助恰当的数学规则，我们可以将开发者对利润的追求与社会对健康的渴望相协调，将高风险的赌博转变为一条经过计算、高效通往创新的道路。

技术摘要：优化序贯实验中的社会效用

问题陈述

在药物开发等高利害领域，监管审批依赖随机对照试验（RCT）来确立安全性和有效性。然而，这些试验高昂的经济成本往往阻碍开发者追求具有极高社会潜力的“登月”产品，尤其是在他们无法绝对确定产品疗效时。尽管有人提出适应性试验和定向补贴以缓解这一问题，但其有效性取决于开发者如何对激励做出战略反应。现有文献通常将监管审批建模为主从博弈，但往往侧重于静态假设检验或合同设计，以抑制无效产品代理人的参与。目前尚缺乏对如何在监管者（委托人）和开发者（代理人）均对产品真实疗效存在不确定性的情况下，对序贯实验进行最优补贴以最大化社会效用（而不仅仅是控制错误率）的理解。

方法论

作者提出了一种用于序贯实验的统计协议，其中代理人执行一系列 RCT，而委托人（监管者）在获批条件下部分补贴实验成本。该框架基于三个核心组件：

基于 e 值的序贯假设检验：
该协议利用e 值而非传统的 p 值，以确保“任意时刻有效性”。委托人设定基准疗效 $\theta_b$ 和假阳性率上限 $\kappa$ 。在每一步 $t$ ，代理人选择样本量 $n_t$ 。委托人根据试验结果 $X_t$ （试验中的成功次数）计算 e 值 $E(X_t, n_t)$ 。这些 e 值被乘法聚合为检验过程 $M_t$ 。一旦 $M_t \geq 1/\kappa$ ，零假设 $H_0$ （疗效 $\theta^* < \theta_b$ ）即被拒绝（产品获批）。该结构保证了无论实验何时停止，假阳性的概率均被 $\kappa$ 所界定。
代理人的信念马尔可夫决策过程（MDP）：
由于代理人不知道真实疗效 $\theta^*$ ，他们基于其后验信念行事，该信念被建模为 Beta 分布 $B_t = \text{Beta}(\alpha_t, \beta_t)$ 。代理人的决策问题被建模为一个信念 MDP（ $M_\epsilon$ ），其中：
- 状态：由信念参数 $(\alpha, \beta)$ 、累积成本 $C$ 和时间步表征。
- 动作：选择样本量 $n$ 或选择退出（ $n=0$ ）。
- 转移：通过贝叶斯推断更新信念并累积成本。
- 奖励：包括获批收益（ $\rho_A$ ）加上补贴（ $\epsilon$ ）减去试验成本。
  代理人寻求最大化其预期效用的策略 $\pi$ 。作者表明，最优策略可以使用动态规划（值迭代）高效计算。
委托人的分治优化：
委托人旨在选择能最大化社会效用（ $U^S$ ）的补贴水平 $\epsilon$ ，其定义为获批的社会收益（ $\rho_S$ ）减去预期补贴成本。
- 结构性质：作者证明，代理人的最优预期效用是补贴 $\epsilon$ 的分段线性且凸函数。因此，委托人的预期社会效用在代理人最优策略保持恒定的区间内是分段线性函数。
- 算法：利用这些性质，作者开发了一种分治算法（算法 1）来寻找最优补贴 $\epsilon^*$ 。该算法通过求解候选补贴点处的代理人 MDP 并检查策略变化，迭代地识别分段线性效用函数的“顶点”。

主要贡献

新颖协议：提出了一种序贯审批协议，将基于 e 值的假设检验与部分成本补贴相结合，旨在不确定性下协调开发者与监管者的激励。
计算效率：
- 证明代理人信念 MDP 中的最优策略可通过动态规划高效求得，状态空间大小为 $O((n_{max})^2 \cdot T^3)$ 。
- 证明社会效用函数关于补贴是分段线性且凸的，使得能够使用高效的分治算法寻找社会最优补贴，而无需穷举搜索。
理论刻画：
- 确立了最优值函数关于信念参数和成本的单调性。
- 证明代理人的最优策略在退出决策方面表现出阈值结构。
- 证明代理人的预期效用在特定区间内关于补贴呈线性，从而允许对值函数进行分解。

实验结果

作者利用基于公开抗生素开发与审批数据的模拟实验验证了该协议。

设置：场景涉及一种真实疗效 $\theta^* = 0.65$ 且基准 $\theta_b = 0.5$ 的抗生素。代理人最多可进行四次试验，最大样本量为 200。成本基于现实估算建模（固定成本约 4890 万美元，每患者成本约 6.6 万美元）。
发现：
- 在最优补贴（ $\epsilon^* \approx 0.108$ ）下，与无补贴情景相比，该协议将社会效用提高了约 5.5%，并将代理人选择退出的概率降低了约 22%。
- 与标准非序贯协议（代理人仅被允许进行一次试验）相比，序贯补贴协议产生了巨大收益。具体而言，与无补贴的非序贯协议相比，社会效用提高了约 50–60%；与具有最优补贴的非序贯协议相比，提高了**>35%**。
- 发现最优补贴随社会收益与代理人收益之比（ $\rho_S/\rho_A$ ）的增加而增加，反映了当社会风险更高时，委托人进行补贴的激励更强。
- 该算法计算高效，在基准设置下求解最优补贴仅需约 271 秒。

意义与主张

本文声称提供了一个原则性框架，用于设计能够改善监管审批过程中社会效用的补贴机制。通过将交互建模为信念 MDP 中的 Stackelberg 博弈，作者证明了可以：

在不损害统计严谨性（通过 e 值）的情况下，激励对高潜力但不确定产品的实验。
高效计算最优策略和补贴，使该方法在计算上适用于现实世界应用。
显著优于传统的非序贯设计，特别是在市场失灵和投资不足（如抗生素开发）的场景中。

作者将这项工作定位为对监管机构和开发者探索灵活、数据驱动的审批方法（包括贝叶斯方法）以更好地平衡安全与创新这一更广泛方向的贡献。他们明确指出，虽然当前模型使用 Beta-Binomial 框架，但该方法可扩展至更通用的场景，尽管这会带来计算挑战。文章结论认为，其序贯补贴协议提供了一条可行的路径，以将代理人激励与社会目标对齐，可能为未来的政策讨论提供参考。