集中式序列独裁匹配强盗中的精确后悔边界与外部性调度

研究集中式序列独裁匹配强盗中的外部性问题，在已知公共优先级和高斯奖励下，将 Graves-Lai 约束简化为有限成对探索配额。在顶选择分离实例上，精确可达的对数后悔系数集合为 G(θ)X(θ)，通常上闭 Graves-Lai 区域可能更大但 Pareto 极小边界相同。相同探索配额因调度不同可导致差异极大的后悔；构造的估计-求解-追踪策略在全行严格类上一致可达每个固定正权最优。