跳到正文
arXiv · ML· Spyros Dragazis, Yilei Chen, Aldo Pacchiano·· 2026-10-16AI 评分31

PRISMA算法:随机线性 Bandit 中的多策略联合评估

Explore Once, Evaluate Many: Multiple Policy Evaluation for Stochastic Linear Bandits

AI 导读

在随机线性 Bandit 问题中,PRISMA 算法能同时评估 K 个目标策略,以至少 1-δ 的概率将每个策略价值误差控制在 ε 以内。 其所需采样数量约为 Õ(((L²S²+β²)(1∨ρ*)) / ε² · log(K)),其中 ρ* ≤ d,并通过共享岭回归估计器与自适应正则化实现无奖励规划。 该方法消除了对二阶矩特征值数值下界及上下文/动作空间基数显式依赖的限制。

来源:arXiv · ML · arxiv.org