PulseAugur
实时 10:13:50
实体 Gibbs policy

Gibbs policy

PulseAugur coverage of Gibbs policy — every cluster mentioning Gibbs policy across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
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 1 条
  1. TOOL · CL_254624 ·

    新的老虎机算法实现了对数遗憾,且无逃逸维度依赖

    研究人员开发了一种新的KL正则化上下文老虎机方法,专注于同时具有奖励和偏好反馈的场景。他们的工作表明,一种简单的贪婪采样方法可以在不依赖逃逸维度的前提下实现对数遗憾。该方法直接从估计奖励导出的Gibbs策略中采样,分析揭示了贪婪采样与置信上界风格探索之间的权衡,具体取决于KL正则化的强度。