研究人员开发了新的算法RA-UCB和MG-UCB,以解决带有审查反馈的在线资源分配问题。该问题涉及在多个臂之间分配预算,其中只有在满足特定激活和预算阈值条件时才能收到奖励。这些算法旨在平衡探索和利用以最大化累积奖励,理论保证显示最坏情况下的遗憾界限为$\Omega(\sqrt{T})$。在真实数据集上的实验验证了这些方法的有效性。 AI
影响 为与从不完整反馈中学习的AI系统相关的资源分配问题引入了新颖的算法方法。
排序理由 详细介绍新算法和理论结果的学术论文。[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 →