研究人员开发了一个新的框架,用于具有部分反馈的顺序学习,采用了估计到决策(E2D)元算法。该方法利用在线回归预言机,根据历史数据有效地估计结果分布。该研究提出了两种计算上高效的探索规则,一种基于epsilon-greedy,另一种基于逆差距加权,以实现最优遗憾阶数。该方法在合成标签高效预测游戏和LLM路由任务上进行了评估,与现有方法相比表现出优越的性能。 AI
影响 这项研究可以提高LLM路由和其他具有部分反馈的顺序学习任务的效率。
排序理由 该集群包含一篇详细介绍新算法及其评估的学术论文。[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 →