两篇新研究论文探讨了对决赌博机算法的进展，这是一种用于机器学习中偏好数据的方法。第一篇论文解决了易变环境中未知延迟和对抗性腐败等挑战，提出了一种新的算法，其遗憾上限加性地考虑了腐败和延迟。第二篇论文侧重于多用户对决赌博机中的公平性，引入了一个使用纳什社会福利的框架，以确保少数群体不被边缘化，并推导了公平算法的遗憾界限。 AI
影响 这些论文推进了偏好学习的理论理解，有可能提高LLM微调等应用中的公平性和鲁棒性。
排序理由 arXiv上发表的两篇学术论文提出了对决赌博机问题的新算法和理论分析。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.01752v1 Announce Type: new Abstract: We study linear dueling bandits in volatile environments characterized by the simultaneous presence of post-serving contexts, delayed feedback, and adversarial corruption. Feedback is subject to unknown stochastic or adversarial del…
arXiv:2605.01961v1 Announce Type: new Abstract: Learning from human preference data is becoming a useful tool, from fine-tuning large language models to training reinforcement learning agents. However, in most scenarios, the model is trained on the average preference of all human…