研究人员开发了一种新的在线算法，用于延迟学习（Learning-to-Defer, L2D）方法，旨在处理流式数据和动态专家可用性。该算法是首个用于具有多类分类、老虎机反馈和不同专家池的算法。它提供了理论遗憾保证，并在合成和真实世界数据集的实验中证明了其有效性，将L2D的能力扩展到更复杂、动态的环境中。 AI
影响 为机器学习中的动态专家选择引入了一种新颖的算法方法，有可能提高实时决策系统的效率。
排序理由 该集群包含一篇arXiv预印本，详细介绍了一种用于在线延迟学习的新算法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.12340v1 Announce Type: new Abstract: Learning-to-Defer (L2D) methods route each query either to a predictive model or to external experts. While existing work studies this problem in batch settings, real-world deployments require handling streaming data, changing exper…
Learning-to-Defer (L2D) methods route each query either to a predictive model or to external experts. While existing work studies this problem in batch settings, real-world deployments require handling streaming data, changing expert availability, and shifting expert distribution…