Eliabelle Mauduit

新的高斯过程方法优化时变奖励

研究人员开发了一种新颖的方法，用于在频率主义设置中优化时变奖励，解决了现有高斯过程老虎机算法的局限性。所提出的 W-SparQ-GP-UCB 方法通过注入不确定性来捕捉时间变化，从而能够自适应地回归到当前时间步。虽然在纯粹的老虎机设置中，对于时变目标来说，严格的无悔是无法实现的，但该算法通过最少数量的额外查询实现了无悔。理论分析为这些查询设定了下限，证明了该方法的效率，并将时间函数模式与可实现的悔率联系起来。