研究人员推出了一种名为 THV-UCB 的新算法，用于随机多目标老虎机问题。该算法旨在通过选择一小组手臂来近似帕累托前沿，这些手臂共同代表了跨多个目标的最大权衡。所提出的方法建立了理论遗憾界限，为其在各种多目标场景中的应用提供了支持。 AI
影响 为多目标决策系统中的权衡优化引入了一种新颖的方法。
排序理由 该集群包含一篇详细介绍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:2607.26273v1 Announce Type: cross Abstract: We consider a stochastic multi-objective bandit problem where, at each round, the agent selects a slate of $k$ arms and observes their $d$-dimensional reward vectors under semi-bandit feedback. We do not aim at identifying a singl…