KL-UCB算法取得近最优高概率后悔界

研究者对KL-UCB算法进行了尖锐分析，提出了一种新的剥皮论证方法。该方法在KL正则化多臂老虎机问题中，推导出了$ ilde{O}(eta K \log^2T)$的高概率后悔上界。 这一结果具有重要意义，因为它是首个实现了与臂数K呈线性依赖的高概率后悔界。此前相关研究未能突破此限制，该突破为理解多臂老虎机在高概率保证下的性能提供了更精细的理论工具。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。