Gaussian randomized indices

Optimism Stabilizes Thompson Sampling for Adaptive Inference

一篇新的arXiv论文介绍了一种名为“乐观主义”的方法来稳定Thompson采样，这是一种广泛用于多臂老虎机问题自适应推理的技术。由Han Zhong领导的研究表明，这种“乐观主义”机制确保了臂特定样本量集中在确定性尺度周围，从而允许渐近有效的Wald推理。这种稳定是通过新的获胜图和Lyapunov漂移技术实现的，解决了先前关于将此方法扩展到K臂老虎机问题的开放性问题。