m-Set对抗赌博机遗憾界研究

Nicolò Cesa-Bianchi 与 Matteo Papini 发表论文，给出了 m-set 对抗式 bandits 在不同效用（winner 奖励或奖励之和）与反馈模型（winner 索引、winner 奖励、奖励之和及其组合）下的遗憾上下界。 作者称，主要技术贡献是遗憾的信息论下界，并与组合 bandits 和 MNL bandits 的标准界进行对比，显示设定细微变化会显著影响学习率。合成数据实验验证了理论分析。

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。