arXiv cs.LG·45 天前★ 2

赔率比汤普森采样：对比型多臂老虎机设计指南

原文标题：Odds-Ratio Thompson Sampling: A Specification and Design Guide for Contrast-Based Multi-Armed Bandits

重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

针对批量更新的多臂老虎机，传统实现沿用各臂绝对奖励率，当共享水平在批次间漂移时记忆失效。论文提出赔率比汤普森采样（OR-TS），改为携带对数赔率对比的联合后验并在每批重新拟合公共水平。在 86 个公开 A/B 序列中水平波动约为对比的 25 倍，合成环境中绝对率记忆的遗憾值是 OR-TS 的五倍，且 20 次运行中有 7 次最优臂流量不足半数。

论文速读 · 四段结构cs.LG去论文速读 →

问题: 批量多臂老虎机沿用各臂绝对奖励率，共享水平在批次间漂移时记忆失效。
方法: 改为携带对数赔率对比的联合后验，每批重新拟合并边缘化公共水平，配衰减与激进度两个控制。
结果: 86 个公开 A/B 序列中水平波动约为对比的 25 倍；合成环境绝对率记忆遗憾值是 OR-TS 的五倍，20 次运行有 7 次最优臂流量不足半数。
影响: A/B 实验平台若共享指标水平随时间漂移，换用对比记忆可避免把流量浪费在次优臂上。