提出预算约束贝叶斯老虎机新算法
热点事件持续更新
提出预算约束贝叶斯老虎机新算法
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月16日，Sudipto Guha 在 arXiv 发表题为《Budgeted Bayesian Bandits for Future Utilization》的论文。该研究针对探索预算硬约束的多臂 Bandit 问题，提出了一种高效的新型近似算法。 新算法在非渐近场景下实现了 0.43 的近似比，成功打破了此前 4/27 的界限。此外，针对有界可交换奖励观测，新算法的近似比可达 1-e^{-1} 约等于 0.63，并在自然线性规划松弛下被证明是渐近紧的。
AI 根据报道生成 · 2 小时前更新
最新进展10月20日 12:00
预算约束下贝叶斯 Bandits 用于未来利用：新型近似算法与分析报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · ML预算约束下贝叶斯 Bandits 用于未来利用：新型近似算法与分析
论文提出一种高效算法，在探索预算硬约束的多臂 Bandit 问题中实现了 0.43 的近似比，打破了此前 4/27 的界限。 针对有界可交换奖励观测的非渐近场景，新算法的近似比可达 $1-e^{-1} \approx 0.63$，并在自然线性规划松弛下是渐近紧的。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。