ORUCB：在线延迟决策修正专家答案

针对在线延迟决策中专家答案需先修正再使用的问题，研究者提出 ORUCB 算法，将共享响应与专家专属多项式响应联合建模，并用累积响应学习误差上界校准置信度加权风险回归与探索。 在固定问题参数下，该算法实现 O(√T log(T+1)) 的高概率伪遗憾；在四个测试流上，所选三次策略的费用含成本低于七个直接采用原始答案的基线。

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。