★ 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
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
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。