arXiv · ML· Sharan Sahu, Martin T. Wells·· 16 小时前AI 评分27
非平稳多臂老虎机中当前效应推断的代价：Hölder 光滑奖励下的极小极大界
The Price of Current-Effect Inference in Nonstationary Multi-Armed Bandits
AI 导读
该研究解决了自适应实验中奖励最大化与当前效应推断之间的冲突，提出了 TRACE 算法。 TRACE 在非平稳 $K$-arm bandit 中实现了期望动态遗憾，其理论界明确了奖励学习与当前效应刷新之间的权衡。 该结果扩展了经验 Bernstein e-process，并在数值实验中验证了非平稳环境下的推断效率。
来源：arXiv · ML · arxiv.org