Linear Bandits
PulseAugur coverage of Linear Bandits — every cluster mentioning Linear Bandits across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的 arXiv 论文改进了用于 AI 优化的 Bandit 算法
2026 年 10 月发表的多篇 arXiv 论文探讨了线性 Bandit 问题的先进策略，旨在改进遗憾界限和计算效率。研究内容包括优化离线数据在在线学习中的利用、开发持久候选集以加速动作选择，以及引入随时可用的背包约束。其他论文则侧重于用于具有选择性反馈的 AI 系统优化的高斯过程 Bandit 和多臂 Bandit 的贝叶斯非参数 Thompson 采样，将其适用范围扩展到任意奖励分布。
-
arXiv上的新研究探讨了强盗算法、对抗性攻击和非平稳性
arXiv上发表的多篇研究论文探讨了强盗算法的进展，重点关注理论界限、对抗性攻击和非平稳环境。其中一篇论文为核估计量强盗算法建立了通用下界，另一篇论文则引入了多臂强盗算法的预期样本复杂度。研究还深入探讨了对预热强盗算法的对抗性攻击，并探索了具有获胜者反馈的m集对抗性强盗算法。此外，研究解决了均值偏移的最佳臂识别问题、使用LLM推导的协方差进行相关Thompson采样，以及计算上可行的鲁棒强盗算法。最后，一篇论文提出了一种用于非平稳环境…
-
新下界表明 Bandit 凸优化比线性 Bandit 更难
研究人员为 Bandit 凸优化建立了一个新的下界，证明它比线性 Bandit 的复杂性根本上更高。该研究引入了一类新的凸函数，揭示了一种权衡：学习者要么在不知道关键线性变换的情况下发现特定的“管”，要么花费观察来学习它。这导致找到 $\varepsilon$-最优动作的样本复杂度下界为 $\widetilde{\Omega}(d^{5/2}/\varepsilon^2)$，转化为遗憾下界为 $\widetilde{\Omega}(d…
-
新的老虎机算法研究解决了重尾和非平稳问题 · 已追踪 4 个来源
三篇新的研究论文探讨了老虎机算法的进展。一篇论文分析了线性高斯老虎机中 Thompson 采样算法的遗憾，表明了与先验相关的遗憾项和最小最大遗憾项可以解耦。另一篇论文提出了一种统一的误设减少方法，用于处理具有特定轮次可行决策集的非平稳线性老虎机，实现了最优的动态遗憾依赖。第三篇论文解决了具有重尾奖励的批量多臂老虎机问题，揭示了在某些情况下，更重的尾部实际上可能需要更少的批量即可获得接近最优的遗憾。