9月22日上午，喻园管理论坛2025年第54期（总第1095期）在qy千亿球友会107教室举行。香港科技大学胡子豪教授以Learning to Bid in Non-Stationary Repeated First-Price Auctions为题进行了讲座，与参会人员进行了交流探讨。本次论坛由qy千亿球友会关旭老师主持。

胡子豪教授在讲座开场，阐述了论文研究的关键背景。在数字广告市场中，第一价格拍卖已成为主流模式—— 谷歌从第二价格拍卖的转型便是标志性案例。然而，与第二价格拍卖中 “报出私人估值即最优” 的简单逻辑不同，第一价格拍卖的竞价策略设计极具挑战性。从机器学习视角出发，竞价者（学习者）可通过与对手（环境）的持续交互推断行为规律，但现有研究多依赖特定环境假设，且以 “最佳固定策略” 作为静态基准。在轻度非平稳环境下，这种静态基准与实际最优策略的偏差会显著扩大，难以满足真实场景需求。

针对这一痛点，胡子豪教授提出全新解决方案：以“每个时间步最高可实现奖励之和” 作为动态基准，更贴合非平稳环境的实际需求。为实现该动态基准下的无遗憾学习，团队创新性引入度量指标，精准量化对手最高出价序列的非平稳性，并完成动态遗憾的极小极大最优刻画。研究的核心技术支撑是 “带有新型乐观配置的乐观镜像下降（OMD）框架”，该框架能高效达成极小极大最优的动态遗憾率，为实际竞价策略提供强理论保障。通过合成数据集验证，该方法不仅印证了理论结论，更在性能上全面超越现有方案。

在学术分享过程中，现场互动氛围热烈。关旭教授、马远征老师、许爱玲老师以及在座的同学们积极参与讨论，围绕非平稳环境下对手出价序列的动态预测、第一价格拍卖策略在实际广告场景的落地适配等问题与胡教授展开了深度交流。胡教授对大家提出的问题一一耐心解答，浓厚的学术氛围弥漫全场。

本次分享活动的成功举办，让与会者对非平稳重复第一价格拍卖的学习机制、动态基准设计的合理性、极小极大最优动态遗憾的工程实现有了更全面、深入的理解，为广大师生搭建了宝贵的学术交流平台—— 既促进了运筹学、机器学习与数字广告拍卖交叉领域的学术思想碰撞与融合，也为后续相关研究提供了清晰的技术方向与理论参考，在优化数字广告竞价效率、推动非平稳环境下在线学习算法的实际应用等方面具有重要的理论和实践意义。