arXiv cs.LG· Kushagra Chandak, Volodymyr Tkachuk, Xiaoqi Tan, Csaba Szepesv\'ari·· 7 小时前AI 评分13
部分覆盖离线数据下线性 Bandit 的 Gaussian-Width 界：阶段消除算法实现 Õ(k√T) 遗憾
Gaussian-Width Bounds for Offline-to-Online Linear Bandits
AI 导读
针对部分覆盖离线数据（d 个特征方向中仅 k 个覆盖不足）的随机线性 bandit，研究者利用高斯向量 Lipschitz 函数的集中不等式收紧奖励预测误差控制，提出阶段消除算法将遗憾从 Õ(√(dkT)) 降至 Õ(k√T)。
来源：arXiv cs.LG · arxiv.org