保守上下文对决老虎机算法提出

Rohan Deb、Mohammad Ghavamzadeh 和 Arindam Banerjee 提出“保守上下文对决赌博机”设定：每轮展示中较优选项的累积得分不得低于可信基线的 (1-α) 比例，且该约束只依赖效用差，不需要绝对奖励。 针对线性效用，他们提出 MaxInP-BC，称其全程以高概率满足安全约束，遗憾为 Õ(d√T/κ)，另加一项不随轮数增长的保守代价；针对一般效用类，他们提出 BTIGW-BC，把在线逻辑回归 oracle 的保证转化为累积安全证书，称回退次数有限、遗憾为次线性。

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。