概念Linear Bandit
线性bandit
多臂bandit问题的推广，每一轮从动作集A⊂R^d中选择动作a_t，观测奖励r_t=⟨a_t,θ*⟩+η_t，其中θ*为未知参数向量，算法需利用动作间的线性结构从部分反馈中推断θ*
时间轴 (近 90 天)
11月3日
IAFTRL（information-acquisition follow-the-regularized-leader）被论文声称是首个在纯FTRL框架下同时达到对抗环境最优（~O(√T)遗憾）和随机环境实例依赖最优（~O(C* log T)遗憾）的线性bandit算法。
待验证50%
11月3日
有限动作集线性bandit问题中，对抗环境要求算法保证 ~O(√T) 遗憾，随机环境期望 O(log T) 级别的遗憾。
待验证50%
11月3日
线性bandit是多臂bandit问题的推广，其奖励模型为 r_t = ⟨a_t, θ*⟩ + η_t，其中 θ* 是未知参数向量，η_t 是噪声。
待验证50%
11月3日
论文目前聚焦于有限动作集的线性bandit，向无限动作集或非线性模型的推广仍是开放方向。
待验证50%
全部知识事实 (4)
待验证
IAFTRL（information-acquisition follow-the-regularized-leader）被论文声称是首个在纯FTRL框架下同时达到对抗环境最优（~O(√T)遗憾）和随机环境实例依赖最优（~O(C* log T)遗憾）的线性bandit算法。
50%待验证有限动作集线性bandit问题中，对抗环境要求算法保证 ~O(√T) 遗憾，随机环境期望 O(log T) 级别的遗憾。
50%待验证线性bandit是多臂bandit问题的推广，其奖励模型为 r_t = ⟨a_t, θ*⟩ + η_t，其中 θ* 是未知参数向量，η_t 是噪声。
50%待验证论文目前聚焦于有限动作集的线性bandit，向无限动作集或非线性模型的推广仍是开放方向。
50%