English(EN) Online Learning with Ordered Experts (via Two-point Feedback)

新的在线学习算法利用两点反馈解决对抗性设置

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-06 05:00

研究人员开发了用于对抗性在线学习的新算法，该算法在一个具有全序动作空间的环境中运行。重点在于一种两点反馈机制，即学习者每轮进行两次推荐，并承担平均损失。对于分离单调问题，所提出的方法实现了接近全信息界限的遗憾值；对于BV问题，它实现了接近最优的遗憾值。动态定价中的一个应用表明，这种双选项方法在对数因子范围内可与全信息速率相媲美。 AI

影响引入了带有专家建议的新型在线学习算法，有可能改善动态定价等领域的决策。

排序理由在arXiv上发表的学术论文，详细介绍了新的在线学习算法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 14 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 在arXiv上发表的学术论文，详细介绍了新的在线学习算法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Shiliang Zuo · 2026-11-06 05:00

在线学习与有序专家（通过两点反馈）

arXiv:2611.07629v1 Announce Type: new Abstract: We study adversarial online learning with expert recommendations in a totally ordered action space, where the experts' recommendations may change and be reordered arbitrarily. Our focus is two-point feedback: on each round the learn…

本文如何被排名

报道来源 [1]

在线学习与有序专家（通过两点反馈）

相关实体

相关话题