Multi-armed bandits for adjudicating documents in pooling-based evaluation of information retrieval systems
PulseAugur coverage of Multi-armed bandits for adjudicating documents in pooling-based evaluation of information retrieval systems — every cluster mentioning Multi-armed bandits for adjudicating documents in pooling-based evaluation of information retrieval systems across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新研究探讨 1/2-Tsallis-INF 算法在最佳臂识别中的应用
本研究论文调查了 1/2-Tsallis-INF 算法（一种用于最小化多臂老虎机问题遗憾值的已知方法）在应用于识别最佳臂任务时的有效性。该研究分析了该算法在随机老虎机设置下的失效概率，重点关注次优臂的采样方式以及这对累积损失估计器的影响。通过为估计累积损失的间隙过程开发一个李雅普诺夫函数，论文为失效概率建立了多项式上限，并证明了这些上限中的指数基本上是紧密的。
-
AI研究使用多臂老虎机剪枝神经网络
研究人员开发了一种新颖的方法来剪枝卷积神经网络（CNN）中的特征图，以降低计算成本和存储需求。该方法利用多臂老虎机算法，特别是UCB1和Thompson Sampling，在最小化准确性损失的同时识别和移除冗余特征图。研究表明，这些基于老虎机的算法在MNIST、CIFAR-10和SVHN等各种数据集上，其准确性与未剪枝模型相当，并且显著优于传统的贪婪和基于幅度的剪枝技术。
-
新研究探索先进的多臂老虎机算法 · 跟踪 8 个来源
该集群包含几篇研究论文，探讨了多臂老虎机算法的进展。主题包括表征对抗性噪声老虎机中的可学性、开发具有有限适应性的上下文轮播老虎机，以及为线性老虎机提出新的探索策略。此外，还提出了关于学习同伴影响概率、处理马尔可夫老虎机中不可观察的状态以及优化条件因果老虎机的研究。
-
新研究探讨利用多臂老虎机问题中的行动相似性
一篇新研究论文探讨了多臂老虎机问题的在线学习策略，其中行动具有固有的相似性，例如共享特征或分层结构。该研究引入了一个根树模型来表示这些行动相似性，并建立了一个理论极限，表明标准的单点老虎机反馈无法有效利用这种相似性。然而，该研究提出了一套统一的算法，可以适应更丰富的反馈模型，包括半老虎机和多点协议，通过结合相似性感知的有效行动数量来实现改进的遗憾界限。
-
新研究探索鲁棒优化和强化学习技术 · 已追踪 6 个来源
几篇新研究论文探索了强化学习和优化中的先进技术，重点关注鲁棒性和生成模型。其中一篇论文引入了一个平稳鲁棒均值场博弈框架，以解决多智能体强化学习中的模型不匹配问题，并建立了具有收敛保证的新算法。另一篇论文提出了生成式鲁棒优化 (GRO)，它使用深度生成模型来定义不确定性集，以实现更具表现力和可处理性的优化。此外，还提出了一种名为 SIVE 的新估计器，用于绕过神经网络损失景观中的最小化偏差，提供了一种鲁棒的训练诊断工具。最后，引入了一种…
-
新研究探索具有延迟和有界噪声的最优决策老虎机算法 · 跟踪 5 个来源
研究人员发表了关于老虎机算法的新论文，探索了在不确定性下优化决策的不同方法。一篇论文研究了具有延迟反馈的随机线性老虎机，分析了各种延迟模型如何影响遗憾保证，并将它们与多臂老虎机进行比较。另一项研究侧重于具有有界噪声的随机线性上下文老虎机，提出了一种利用集合成员估计来获得改进遗憾界限的新算法。第三篇论文研究了使用正则化稳定老虎机，推导出精确的遗憾界限和定量中心极限定理，强调了推理有效性与最优遗憾率之间的权衡。
-
多臂老虎机优化深度神经网络的结构化剪枝
研究人员开发了一种新颖的深度神经网络结构化剪枝框架，该框架利用多臂老虎机（MAB）算法来移除整个神经元。该方法将每个神经元视为老虎机问题中的一个“臂”，暂时屏蔽它以衡量对损失函数的影响，然后更新其移除奖励估计。在图像、文本和推理任务上的评估表明，基于MAB的剪枝，特别是使用UCB1和Thompson Sampling策略，可以有效地减小模型尺寸，并且通常优于未剪枝模型和其他剪枝技术。
-
新的贝叶斯框架MINTS简化了序贯决策
研究人员推出MINTS，一个用于不确定性下序贯决策的新贝叶斯框架。这种极简方法仅在最优值位置上设置先验，简化了复杂的结构约束。MINTS为具有均值约束的多臂老虎机提供了近乎最优的遗憾保证，能够适应单峰结构并实现精确的常数。
-
新框架统一采样和优化问题
本文介绍了多臂采样问题，这是一个新的框架，它借鉴了多臂老虎机问题，但侧重于采样而非优化。研究人员定义了遗憾度量并建立了下界，提出了一种接近最优遗憾度的算法。研究结果表明，采样所需的探索比优化少得多，这对神经网络采样器、熵正则化强化学习和RLHF等领域都有影响。