ORUCB：在线延迟决策中学习修正专家答案

研究者提出 ORUCB，在在线学习延迟（online learning to defer）场景中，让学习器在购买专家答案前先固定一个修正函数，再对收到的答案应用该函数。该方法通过池化共享与专家专属的多项式响应，在固定问题参数下实现高概率伪遗憾 O(√T log(T+1))。在四个测试流上，所选三次策略的费用包含成本低于七个直接使用原始答案的基线。