研究人员开发了一种名为ORUCB的新在线学习算法,旨在改进延迟系统中专家答案的纠正。该算法解决了专家早期回答不准确会阻碍有价值查询的挑战。ORUCB汇集了共享和专家特定的多项式响应,使用累积误差的界限来校准置信度加权风险回归和探索。这使得系统能够更好地决定购买哪些答案,在特定条件下实现了O(sqrt(T log(T+1)))的伪遗憾。四个测试流上的实证结果表明,与七种不纠正答案的基线方法相比,ORUCB策略的包含费用成本更低。 AI
影响 这项研究可能带来更高效、更准确的AI系统,这些系统能够从专家输入中学习和纠正,从而在复杂环境中改进决策。
排序理由 学术论文,详细介绍了一种用于在线学习和专家纠正的新算法。[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 →