PulseAugur
中
实时 08:26:14
实体 Stability-Matching Bonus

Stability-Matching Bonus

PulseAugur coverage of Stability-Matching Bonus — every cluster mentioning Stability-Matching Bonus 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. RESEARCH · CL_359582 ·

    新算法改进了对抗性 MDP 和上下文老虎机中的遗憾界限

    研究人员为对抗性马尔可夫决策过程 (MDP) 和上下文老虎机中的策略优化开发了新算法。对于对抗性 MDP,一种利用稳定性匹配奖励的新颖方法 VOPO,在遗憾界限上比先前方法提高了 $\sqrt{S/H}$ 和 $\sqrt{H^3}$ 的因子。在上下文老虎机领域,一种新的 Oracle-高效算法通过采用具有拉普拉斯噪声的策略分数扰动,实现了近乎最优的遗憾率,改进了先前依赖于时间范围的界限。