arXiv cs.AI· Bo Xue, Ji Cheng, Yuanyu Wan, Shuang Qiu·· 3 天前AI 评分20
多目标为何让识别更容易：偏好与反馈在多目标 bandit 最佳臂识别中的作用
When More Objectives Make Identification Easier: The Role of Preferences and Feedback
AI 导读
针对多目标 bandit 中的最佳臂识别（BAI），研究刻画了多目标何时以及为何比单目标更容易。对高斯 bandit，作者建立了在任意偏好序下一致成立的固定置信度特征时间下界，并在 Pareto、线性与字典序偏好下揭示三种现象：识别更大的最优集合可能比识别唯一最优解所需样本更少；向量反馈相对坐标反馈的优势取决于偏好序；多目标识别甚至可能比对应的最易单目标问题更省样本。
正文 · AI 翻译
摘要：最佳臂识别（BAI）旨在使用尽可能少的样本识别出最优臂。虽然大多数现有工作聚焦于单一目标，但许多现实应用涉及多个标准，这促使了多目标老虎机中 BAI 的研究。直观上，多目标识别似乎更难，因为学习器必须在更高维的奖励空间中识别最优臂；然而，额外的目标也提供了更丰富的反馈，可以减少所需的探索。在本文中，我们刻画了多个目标何时以及为何能使 BAI 变得更容易。对于高斯老虎机，我们建立了一个固定置信度识别的特征时间下界，该下界在所有偏好序上一致成立。通过在 Pareto、线性和字典序偏好下的显式比较，我们揭示了三种现象：(i) 识别一个更大的最优集可能比识别唯一最优解需要更少的样本；(ii) 向量反馈相对于坐标反馈的优势从根本上取决于偏好序；(iii) 多目标识别甚至可能比最简单的相应单目标问题需要更少的样本。最后，我们提出了 Order-Aware Track-and-Stop（OATS），这是一种在任何指定置信水平下都正确且渐近匹配下界的算法。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.18577 [cs.LG] |
| （或 arXiv:2610.18577v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.18577 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Bo Xue [查看电子邮件]
[v1]
2026年10月13日星期二 15:42:39 UTC（158 KB）
来源：arXiv cs.AI · arxiv.org