保守对抗赌博机偏好学习新算法

2026年10月28日，一篇AI领域论文在arXiv平台发布，正式提出面向保守对抗赌博机场景的偏好学习新算法。该研究聚焦保守上下文赌博机模型，核心约束是每轮交互中较优选项的累计得分必须高于可信基线的$(1-\alpha)$比例。 针对线性效用函数场景，研究团队开发了MaxInP-BC算法，实现regret为$\tilde{O}(d\sqrt{T}/\kappa)$的高概率安全保证。此外，针对通用效用类开发BTIGW-BC算法，通过在线逻辑回归将oracle保证转化为累积安全证书，确保有限次回退且regret呈亚线性增长。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。