研究人员为组合半老虎机问题开发了新框架，该问题涉及选择基臂的子集并接收个体反馈。这些框架显著减少了所需的预言机查询次数，这是可扩展性的主要瓶颈。所提出的算法仅通过对数次预言机调用即可实现接近最优的遗憾界限，甚至扩展到非线性奖励设置。 AI
影响 引入了理论上的进步，可以提高强化学习智能体在复杂决策场景中的效率。
排序理由 这是一篇详细介绍特定机器学习问题新算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2510.21431v2 Announce Type: replace Abstract: We study the combinatorial semi-bandit problem where an agent selects a subset of base arms and receives individual feedback. While this generalizes the classical multi-armed bandit and has broad applicability, its scalability i…