인터뷰와 전략적 보류를 활용한 양면 매칭 시장의 무한시간 무후회 학습

초록

본 논문은 인터뷰를 저비용 힌트로 모델링하고, 기업도 선호를 학습하도록 확장한 양면 매칭 시장에서, 중앙집중형 및 분산형 알고리즘을 설계한다. 기업의 전략적 보류 옵션을 도입해 초기 오매칭을 회복하고, 두 번의 인터뷰만으로 시간에 의존하지 않는 O(1) 수준의 에이전트 후회를 달성한다. 특히 α‑reducible 구조를 가진 시장에서는 분산 알고리즘이 중앙 알고리즘과 다항 차수만큼 차이 나는 성능을 보인다.

상세 분석

이 연구는 기존의 양면 매칭 밴딧 모델이 갖는 두 가지 한계를 동시에 해소한다. 첫째, 실제 시장에서 흔히 발생하는 ‘인터뷰’라는 사전 접촉 과정을 저비용 힌트로 정의함으로써, 에이전트가 지원하기 전에 제한된 수의 파트너에 대한 부분 정보를 획득하도록 한다. 이때 인터뷰는 단순히 정보를 제공하는 것이 아니라, 에이전트가 지원할 수 있는 후보 집합을 제한한다는 구조적 제약을 동반한다. 기존의 힌트 기반 밴딧은 이러한 제약을 고려하지 않아, 경쟁 상황에서 발생할 수 있는 충돌(collision)과 그에 따른 안정성 손실을 무시한다. 논문은 인터뷰를 두 번(k=2)만 제공해도, 이러한 제약 하에서 에이전트가 최적(또는 최악) 안정 매칭에 수렴하도록 설계된 알고리즘이 존재함을 증명한다. 이는 단일 에이전트 힌트 모델에서 ‘세 번’의 힌트가 필요하다는 기존 conjecture와는 뚜렷한 차이를 만든다.

둘째, 기업 측의 불확실성을 모델에 포함한다. 기존 연구는 기업이 고정된 선호 리스트를 가지고 있다고 가정했지만, 실제 채용 현장에서는 기업도 후보에 대한 평가를 학습한다. 기업이 잘못된 추정으로 인해 초기 매칭을 고정하면, 에이전트는 해당 기업에 재지원할 기회를 얻지 못해 전체 시스템이 비안정 상태에 머물 위험이 있다. 이를 해결하기 위해 논문은 기업의 행동 공간에 ‘전략적 보류(deferral)’ 옵션을 추가한다. 기업이 일정 라운드에서 고용을 포기하고 공석 상태를 공개하면, 모든 에이전트가 해당 기업이 공석임을 관찰할 수 있다(V 또는 V⁺ 피드백). 이 메커니즘은 에이전트가 이전에 거절당한 기업을 다시 탐색하도록 유도해, 초기 오매칭을 풀어주는 역할을 한다. 보류가 무분별하게 남용되지 않도록, 알고리즘 1에서는 보류 횟수와 시점을 엄격히 제어하는 ‘전략적 거절/보류 정책’을 제시한다.

알고리즘 설계는 크게 세 가지 시나리오로 나뉜다. (i) 중앙집중형 인터뷰 할당자(CIA)를 이용해 모든 에이전트에게 인터뷰 대상을 조정하고, 두 단계의 ‘Deferred Acceptance’를 변형해 에이전트 최적 안정 매칭을 O(n m²) 라운드 안에 학습한다. (ii) 분산형 환경에서 최소한의 공개 피드백인 ‘vacancy‑only(V)’만을 제공받는 경우, 알고리즘 2는 에이전트 간의 조정을 위해 ‘coordination’ 단계(예: 라운드별 인터뷰 예산 재분배)를 도입해 α‑reducible 시장에서는 O(n³ m²), 일반 시장에서는 O(n⁴ m²)의 후회를 달성한다. (iii) 보다 강력한 ‘anonymous hiring‑change(V⁺)’ 피드백을 이용하면, 알고리즘 3은 완전한 무조정(coordination‑free) 방식으로 동작하며, α‑reducible 시장에서 O(n³ m²) 수준의 후회를 보인다. 일반 시장으로 확장하려면 인터뷰 횟수를 세 번(k=3)으로 늘리고, 약간의 추가 가정(예: 보상 차이의 하한)을 두어 O(1) 후회를 유지한다.

이론적 결과는 모두 ‘시간‑독립(regret independent of horizon T)’을 보장한다. 즉, T가 커져도 에이전트가 누적하는 후회는 상수 수준에 머무른다. 이는 기존 연구에서 흔히 나타나는 O(log T) 후회와는 근본적인 차별점이며, 인터뷰라는 사전 정보가 학습 속도를 지수적으로 가속화함을 의미한다. 또한, α‑reducible 시장이라는 구조적 가정 하에서는 분산 알고리즘이 중앙 알고리즘과 다항 차수만큼의 복잡도 차이로 거의 동일한 성능을 보이므로, 실제 플랫폼(예: 구인구직 사이트)에서 중앙 조정이 불가능한 상황에도 실용적인 적용이 가능함을 시사한다.

마지막으로, 논문은 실험적 검증은 포함하지 않았지만, 이론적 분석을 통해 인터뷰 수(k=2)와 전략적 보류가 두 가지 핵심 메커니즘임을 강조한다. 인터뷰는 ‘힌트’ 역할을, 보류는 ‘피드백 전달’ 역할을 수행해, 양측 학습이 서로 얽힌 경쟁 환경에서도 안정적인 매칭을 빠르게 달성한다는 점이 가장 큰 기여라 할 수 있다.