研究提出高效上下文部分监测算法

Kapilan Balagopalan等作者提交论文，提出一种基于 Estimation-to-Decisions（E2D）元算法的上下文部分监测框架，用于处理带旁信息的有限随机部分监测博弈。该框架通过在线回归预言机估计结果分布，并针对两种场景给出可高效计算的探索规则：全局可观测场景下使用 ε-greedy，局部可观测场景下使用 inverse gap weighting，论文称两者均达到最优 regret 阶。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。