本文在称为“期望近似正确”(ACE)的框架内,为随机多臂老虎机问题介绍了一种名为预期样本复杂度的新指标。作者证明,与高概率保证不同,ACE保证可以收敛到最优预期回报。他们还表明,确定性算法不适用于有利的ACE界限,并分析了随机算法,为已知和未知的次优水平建立了近乎匹配的下界。 AI
影响 引入了一种新颖的理论框架来分析序贯决策算法,可能影响未来在强化学习领域的研究。
排序理由 该集群包含一篇学术论文,详细介绍了用于序贯决策问题的新指标和分析框架。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →