★ 2
arXiv 提出 TailCert：离策略分位数认证的覆盖悬崖分析
论文研究用日志化上下文赌博机数据为同一样本选出的策略认证上尾分位数，构造 PAC-Bayes Bernstein 置信下包络并给出 TailCert 流程。理论证明在稀有动作类上所需样本量随重叠因子线性增长，并揭示 CDF 降维会隐藏超预算动作，需保留动作计数才能恢复全日志速率。
arXiv cs.LG14 天前
#上下文赌博机
共 5 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
预算化多源反事实标注用于离策略评估
论文研究上下文赌博机离策略评估中反事实标注的预算化获取，给定各来源成本与误差画像，将问题建模为上下文-动作对与标注来源的整数分配问题以最小化估计器方差。提出基于主化-最小化的算法与动态规划子程序，在合成临床与 LLM 标注教育赌博机实验中，相比无标注分别降低 20.58% 和 10.77% 的 M…
arXiv cs.LG24 天前
★ 2
arXiv 论文提出 PFN-OPE：面向 LLM 的摊销式离策略评估
论文提出 PFN-OPE，一种先验数据拟合网络，将离策略评估摊销到上下文赌博机任务分布上，一次预训练即可在测试时单次前向传播给出价值估计，无需逐任务拟合。在 HelpSteer2 与 UltraFeedback 上误差比最佳基线低 2.0 至 9.3 倍。
arXiv cs.LG24 天前
★ 2
离线策略评估助力自适应实验设计
论文研究如何用固定随机实验（A/B 测试）的历史数据，判断哪些基于上下文赌博机的自适应策略会优于原设计。方法结合离线策略评估与受控热启动仿真，用双重稳健估计器对候选策略排序。在合成 RCT 与 Hillstrom、Criteo Uplift、LaLonde 等基准上表明，存在显著异质性时自适应策略…
arXiv cs.LG35 天前
★ 2
Meta-LinEXP3：对抗线性上下文赌博机元学习
论文针对随机动作集下的对抗线性上下文赌博机（ALCB）元学习空白，提出 Meta-LinEXP3 在线嵌套在线算法，从已完成任务构建可预测的任务级先验指导内层 LinEXP3。已知上下文分布时给出内在维度 O(√n) 的每任务遗憾界，未知分布时提出仅用过去的正则矩估计器。研究还建立先验精度与迁移遗…
arXiv cs.LG53 天前
这个主题的相关资产
相关公司阿里巴巴1