规避算力套利的计算复杂度难题

研究将 AI 模型市场中的算力套利形式化为资源分配问题，证明其通常属于 NP-hard，但在边际收益递减条件下最优分配可高效求解。团队进一步提出了一种样本高效的方法，能基于有限数据估算模型性能并降低识别套利策略的前期成本。经济学分析表明，最优状态下获投模型的每美元边际效用相等，套利机制会重构市场收入并奖励互补专长。