★ 2
残差量化提升上下文老虎机效率
论文提出以残差量化（RQ）作为表示层，将连续上下文映射为多层级离散质心分配，从而在严格有界内存下实现非线性奖励建模。在 13 个数据集上，RQ 变体在 11 个数据集上优于非 RQ 版本，且以最多少 1000 倍的内存匹配需反复重训的 XGBoost 与神经基线。该工作为在线决策场景提供了内存高效…
arXiv cs.LG28 天前
#上下文老虎机
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
贪心采样实现无 Eluder 维依赖的上下文老虎机
论文研究 KL 正则化上下文老虎机在奖励与偏好反馈下的表现，证明贪心采样可获得对数遗憾且不显式依赖 eluder 维。研究还揭示贪心采样与置信上界式探索之间的权衡：KL 正则化越强，贪心采样优势越明显。
arXiv cs.LG48 天前