arXiv研究：方差感知UCB的分配稳定性与Wald推断

arXiv 发布一项针对双臂固定时域方差感知 UCB 策略的研究，给出由奖励差与方差决定的判别准则：最优臂的拉取次数能否用相对误差趋零的确定性近似，而次优臂的拉取次数始终稳定。 研究进一步指出，当各臂拉取次数与奖励方差之积依概率发散时，臂均值线性组合的普通 Wald 统计量对每个固定非零系数向量都有标准正态极限；但该高斯近似对确定性非零系数向量一致成立，当且仅当最优臂次数稳定。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。