研究人员引入了一种新颖的在线凸优化方法，该方法利用对偶（成对比较）反馈。该方法将二元偏好数据转换为近似梯度，从而可以应用标准的一阶优化技术。所提出的约简成功地转移了遗憾保证，为该特定场景建立了第一个已知结果，包括静态、自适应和动态遗憾的 O(T^{3/4}) 界限。进一步的改进为平滑目标产生了 O(T^{2/3}) 的速率，为强凸函数产生了 O(sqrt(T log T)) 的速率。 AI
影响 为与机器学习相关的优化问题引入了新的理论框架。
排序理由 详细介绍新优化方法的学术论文。[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 →
