arXiv cs.LG· Qirun Zeng, Manhin Poon, Xiangxiang Dai, Qixin Zhang, Jinhang Zuo·· 6 小时前AI 评分18
超越奖励压制：有界奖励热启动 Bandit 的近最优离线攻击
Beyond Reward Suppression: Near-Optimal Offline Attacks on Warm-Start Bandits with Bounded Rewards
AI 导读
针对热启动 Bandit 的离线攻击研究提出"目标推广"新范式：攻击者仅向热启动历史注入合法动作-奖励对，即可诱导 UCB 在几乎所有在线轮次选择目标臂。理论证明当目标臂接近奖励下界时，任何近最优成本攻击都必须将不可忽略的成本份额分配给目标臂，而非仅压制非目标臂。
来源：arXiv cs.LG · arxiv.org