English(EN) In-Context Pure Exploration in Continuous Decision Spaces

新的贝叶斯模型C-ICPE解决了连续空间中的纯探索问题

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-05 04:00

研究人员开发了C-ICPE，一种用于连续决策空间中贝叶斯固定置信度纯探索的新型模型。这种理论指导的方法对顺序架构进行元训练，以联合学习探索、停止和推荐策略。与现有的频率学派和特定模型方法不同，C-ICPE可以在推理时无需参数更新即可识别ε-最优推荐，使其适用于连续推荐空间。 AI

影响引入了一种在连续决策空间中学习的新方法，有可能提高诸如赌博机问题和函数最小化等任务的效率。

排序理由该集群包含一篇详细介绍特定机器学习问题新模型的学术论文。[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 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Alessio Russo, Yin-Ching Lee, Ryan Welch, Aldo Pacchiano · 2026-08-05 04:00

In-Context Pure Exploration in Continuous Decision Spaces

arXiv:2602.17976v2 Announce Type: replace-cross Abstract: In active sequential testing, also termed pure exploration, a learner is tasked with the goal to adaptively acquire information so as to identify an unknown ground-truth hypothesis with as few queries as possible. This pro…