实体
Contextual Bandit
Contextual Bandit
PulseAugur coverage of Contextual Bandit — every cluster mentioning Contextual Bandit across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新算法利用凹度实现高效上下文老虎机优化 · arXiv论文
研究人员开发了一种新的上下文老虎机算法，该算法利用奖励函数中的凹度信息来提高优化效率。该算法在最近的一篇arXiv论文中进行了详细介绍，它使用约束高斯过程后验来模拟对于每个观察到的上下文而言已知相对于动作是凹的奖励。所提出的方法将回归样条基与这种约束GP后验相结合，创建了一个形状约束估计器，从而得到一个UCB算法，与标准的GP-UCB相比，在凹度是重要因素时，具有改进的遗憾保证。在基准问题和华法林剂量应用上的实验显示累积遗憾显著降低。
-
新算法支持在有限反馈下进行LLM专家路由
研究人员开发了用于大规模语言模型（LLM）专家在线学习的新算法，特别针对有限反馈场景。所提出的方法将路由到不同LLM专家的提示视为一个上下文老虎机问题。实验表明，即使在反馈受限的情况下，这些算法也能有效地学习有效的路由策略，并达到次线性遗憾界限。
-
新的AIRL方法无需故障标签即可解决工业故障检测问题
研究人员开发了一种使用对抗性逆强化学习（AIRL）的工业故障检测新方法。该方法将故障检测视为一个离线逆强化学习问题，解决了现实场景中故障标签稀缺的挑战。与忽略时间动态或需要手动奖励工程的传统监督学习或上下文老虎机方法不同，AIRL直接从状态转换中恢复内在的“健康”奖励。该框架在三个运行至失效的基准测试中表现出色，在检测渐进式退化方面优于现有方法。