#Bandit算法
共 2 篇相关文章
·7 分钟
近线性时间FTPL算法：弱可观测图Bandit新突破
本文解读近线性时间FTPL算法，针对弱可观测图Bandit问题，通过新颖损失估计器实现对抗与随机环境的最佳双方保证，regret界分别为O(δ_*^{1/3}T^{2/3})和O(δ_* log T/Δ_min^2)，计算效率接近线性。
阅读全文 →
·5 分钟
高斯过程Bandit优化黑盒杠杆约束
本文介绍高斯过程上置信界（GP-UCB）算法在共享预算离散权重分配中的应用。针对延迟反馈、噪声和调整约束，GP-UCB通过高斯过程先验在相邻配置间共享信息，大幅减少探索周期。论文通过高保真模拟器确定Matérn+Linear复合核为最稳健选择，并在生产环境RCT中验证其统计显著优于ε-greedy基线。
阅读全文 →