一篇新发表在 arXiv 上的论文详细介绍了一个在贝叶斯老虎机模型方面的理论进展，证明了 Thompson sampling 在错误方面具有 2-竞争性。这意味着 Thompson sampling 所犯的错误预期数量最多是任何其他策略的两倍。该分析适用于独立的潜在臂（arm）过程，其中臂仅在被抽取时才会演变，证实了 Guha 和 Munagala 在 2014 年对随机老虎机提出的猜想。该结果适用于各种加权方案，包括固定视野和几何贴现。 AI
影响 为强化学习和不确定性下的决策制定中的常用算法提供了理论保证。
排序理由 学术论文，详细介绍了机器学习方面的理论结果。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.12389v1 Announce Type: new Abstract: We consider Bayesian bandit models and prove that Thompson sampling makes at most twice the expected number of mistakes (selections of a suboptimal arm) as any other policy. Our analysis applies as long as the latent arm processes a…
We consider Bayesian bandit models and prove that Thompson sampling makes at most twice the expected number of mistakes (selections of a suboptimal arm) as any other policy. Our analysis applies as long as the latent arm processes are independent and each arm evolves only when pl…