跳到正文
arXiv · ML· Pu Wang, Yao-Xiang Ding·· 3 天前AI 评分33

Tree-Guided Identify-Then-Exploit:统一下界最优的决斗臂最佳臂识别与最小后悔框架

Tree-Guided Identify-Then-Exploit: A Unified Framework of Best Arm Identification and Regret Minimization for Dueling Bandits

AI 导读

针对N臂随机决斗臂问题,提出Tree-Guided Identify-Then-Exploit统一框架。 该框架首次实现最佳臂识别与最小后悔目标的联合优化,在正全局间隙假设下,无需传递性假设。 实现$O(N)$弱后悔与样本复杂度,达到$O(N\log T)$强后悔订单,结果被NeurIPS 2026接收。

来源:arXiv · ML · arxiv.org