一篇最近在arXiv上发表并由Hugging Face重点介绍的论文，指出了一个广泛使用的自归一化集中不等式加权扩展中的缺陷。研究表明，在非平稳问题中，折扣最小二乘估计器的所谓时间一致保证是不正确的，并提供了一个高斯反例，其中有界半径以概率一被越过。作者将证明错误归因于在不同终端时间使用了不同的高斯混合分布，这阻止了单个超鞅的形成。他们提供了修正并讨论了对后续在 Bandit 和强化学习中的分析的影响。 AI
影响 指出了用于 Bandit 和强化学习的理论工具中的一个缺陷，可能影响算法设计和分析。
排序理由 该集群包含一篇学术论文，详细介绍了机器学习分析技术中的理论局限性和修正。
在 Hugging Face Daily Papers 阅读 →
- arXiv
- CatalyzeX
- computer science
- DagsHub
- Gaussian function
- Gotit.pub
- Hugging Face
- IArxiv
- machine learning
- ScienceCast
- Sub-Gaussian distribution
- Time-Uniform Self-Normalized Concentration for Discounted Least Squares: Limits and Corrections
- bandit
- reinforcement learning
- Supermartingales in Prediction with Expert Advice
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
