新算法在有限反馈的在线学习中利用动作相似性

研究人员开发了用于在线学习问题的新算法，这些问题中的动作具有固有的相似性，例如由根树结构表示的动作。这些算法旨在利用这些相似性来提高性能，尤其是在反馈有限的情况下。该研究为标准单点老虎机反馈建立了一个不可能的结果，证明了其无法利用动作相似性。然而，所提出的算法通过适应更丰富的反馈模型，并将总动作数替换为在遗憾界限中具有相似性感知的有效数量，提供了两全其美的保证。 AI

影响 为具有复杂、相关动作空间的系统中的决策优化引入了新颖的算法，有可能提高信息检索和其他在线学习应用的效率。

排序理由 学术论文，详细介绍了具有结构化动作集的在线学习新算法。[lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 阅读 →

• Hugging Face
• Lipschitz bandits
• Multi-armed bandits for adjudicating documents in pooling-based evaluation of information retrieval systems
• Online Learning

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →