两篇新研究论文探讨了多臂老虎机问题的复杂性。第一篇论文介绍了GINOP，一种专为具有一般奖励函数类的偏好型老虎机设计的算法，旨在实现与直接奖励观察相当的统计效率学习。第二篇论文分析了具有多个最优臂的老虎机，提供了更精确的minimax regret界限，并证明了了解最优臂的数量对于接近最优性能的必要性。 AI
影响 这些论文推进了强化学习的理论理解，可能在推荐系统和复杂优化任务等领域带来更高效的决策算法。
排序理由 两篇在arXiv上发表的学术论文，详细介绍了多臂老虎机问题的新算法和分析。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2609.39351v1 Announce Type: new Abstract: We study preference-based bandits with general reward function classes, where a learner sequentially selects pairs of arms and observes binary preference feedback governed by the Bradley--Terry model. This setting naturally arises i…
arXiv:2609.38659v1 Announce Type: cross Abstract: We study multi-armed bandits (MAB) with multiple optimal arms, motivated by the fact that many practical decision making problems admit multiple correct answers. For $K$-armed bandits with $A$ optimal arms, we first provide a shar…