arXiv论文给出方差感知UCB稳定性判据

Yingying Fan、Yuxuan Han、Jinchi Lv、Xiaocong Xu、Zhengyuan Zhou提交的论文（arXiv:2412.08843v3）针对双臂固定时域的方差感知UCB策略，给出了由奖励差距与方差决定的临界判据：最优臂的拉取次数能否以消失的相对误差做确定性近似取决于该判据，而次优臂的拉取次数始终稳定。 论文还给出Wald推断的成立条件：只要各臂拉取次数与奖励方差之积依概率发散，臂均值线性组合的普通Wald统计量对任意固定非零系数向量都有标准正态极限。作者称，这一高斯近似要对确定性非零系数向量一致成立，当且仅当最优臂的拉取次数稳定。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。