★ 3
研究：LLM 能否可靠批改奥赛数学证明，MABGrader 误差降 14%
论文系统研究 LLM 对奥赛级数学证明的验证能力，构建 USAMO 2025 人工评分数据集，并评测 20 个模型、七项指标。作者提出 TROJAN 对抗证明生成流程与 MABGrader 多臂老虎机评分框架，后者在二次加权 Kappa 上超 SOTA ProofGrader 26.4%，评分误差…
arXiv cs.AI5 天前
#多臂老虎机
共 8 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
基于损伤感知的Transformer剪枝方法
研究将语言和视觉Transformer的结构化剪枝建模为损伤感知的多臂老虎机问题，在固定评估预算下选择功能单元。配对损伤减少批次间差异，平滑有界奖励驱动UCB或分数Beta汤普森采样。实验覆盖多种模型，与随机、幅度等基线相比，老虎机方法通常减少性能下降，但效果并非仅由更大预算解释。
arXiv cs.AI54 天前
★ 2
Floor It, Then Fill It：十亿用户规模创作者生态仿真与公平推荐
论文提出基于真实平台分布的用户仿真框架，建模约 4.2 万名创作者及其 12 周内的观众交互，用于评估预算化多臂老虎机形式的公平曝光分配策略。带保底的内容曝光目标与曝光均衡差奖励可保证每周 90% 曝光目标达成，小创作者自然触达每周增长约 33%，并分析 Sim2Real 差距提出验证协议。
arXiv cs.LG3 天前
★ 2
基于对决反馈的成本感知最优 LLM 识别
论文研究在查询成本异构的多个大语言模型中识别最优模型的问题，将其建模为带对决反馈与异构采样成本的多臂老虎机变体。在 Condorcet 胜者假设下，作者提出 Track-and-Stop 风格算法并证明其渐近最优成本，在合成与真实数据上均优于成本无关算法及其成本感知扩展。
arXiv cs.LG35 天前
★ 2
赔率比汤普森采样：对比型多臂老虎机设计指南
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，…
arXiv cs.LG45 天前
★ 2
对抗多臂老虎机切换遗憾最优解
论文研究对抗性多臂老虎机中比较臂序列最多切换 S 次的切换遗憾问题。当 S 未知时，此前在自适应对手下被证明无法达到最优界。本文提出单一算法在 oblivious 对手下对任意 S 均达到最优期望遗憾，解决了 Auer 等人 2019 年的公开问题。
arXiv cs.LG48 天前
★ 1
arXiv 提出预算化贝叶斯老虎机算法逼近 0.63 近似
论文研究探索有硬预算且先于利用的多臂老虎机变体，证明此前 1/3 与 4/27 近似算法的分析是紧的。作者给出达到 0.43 近似的高效算法，并在有界可交换奖励观测下将保证提升至接近 1-e⁻¹（约 0.63），该技术还可用于序列模型评估的停止判定。
arXiv cs.LG13 天前
★ 1
arXiv 提出 Lag：可复用资源在线分配的均场最优策略
论文研究可复用资源的在线任务分配问题，将其建模为上下文无休止多臂老虎机（CRMAB），推导出占用测度 LP 上界及对偶闭式指数策略 Lag。在同行评审与呼叫中心路由数据上，Lag 达到 LP 上界的 83-99%，在期刊数据上比贪心策略提升最多 12.3%。
arXiv cs.LG18 天前
这个主题的相关资产
相关公司阿里巴巴1
相关术语Bandit（多臂老虎机）