arXiv · ML· Kaixuan Ji, Qingyue Zhao, Heyang Zhao, Qiwei Di, Quanquan Gu·· 6 小时前AI 评分26
KL 正则化多臂老虎机的近最优后悔分析
Near-Optimal Regret for KL-Regularized Multi-Armed Bandits
AI 导读
研究者对 KL-UCB 算法进行尖锐分析，得出 $\tilde{O}(\eta K\log^2T)$ 的高概率后悔上界，这是首个对臂数 $K$ 呈线性依赖的界。
来源：arXiv · ML · arxiv.org