multi-objective bandits

新研究表明，多个目标可以简化 the bandit problem 识别

一篇新论文探讨了多目标 bandit problem 中最佳臂识别 (BAI) 的复杂性。与直觉相反，该论文证明了多个目标有时可以通过提供更丰富的反馈来简化识别过程。该研究为固定置信度识别建立了一个特征时间下界，并提出了一种名为 Order-Aware Track-and-Stop (OATS) 的算法，该算法渐近地匹配该下界。