arXiv 研究：多目标 bandit 最优臂识别有时更省样本

arXiv 上线一篇针对多目标老虎机最优臂识别（BAI）的研究，作者 Bo Xue 等为高斯老虎机建立了在偏好序上一致成立的固定置信度特征时间下界，并比较了 Pareto、线性与字典序三类偏好。 研究称发现三种现象：识别更大的最优集合可能比识别唯一最优所需样本更少；向量反馈相对坐标反馈的优势取决于偏好序；多目标识别所需样本甚至可少于对应的最简单单目标问题。 该结果为理论下界与显式比较，论文将多目标 BAI 更易的原因归于偏好与反馈结构。

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。