研究人员开发了一种新的方法来分析并行高斯过程（GP）老虎机优化的性能。本文着重于改进GP-BTS（一种广泛使用的算法）的遗憾上限。新的分析表明，该算法可以在不需要通常在实践中无效的初始不确定性采样阶段的情况下，实现更好的遗憾上限。研究结果还表明，在无噪声设置下的遗憾上限明显优于有噪声设置。 AI
排序理由 关于现有算法新分析方法的学术论文。[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 →
arXiv:2608.16492v1 Announce Type: new Abstract: This paper studies the regret analysis for parallel Gaussian process (GP) bandit optimization. The known regret upper bounds for the widely used GP batched upper confidence bound and GP batched Thompson sampling (GP-BTS) suffer from…