研究者提出ORUCB在线延迟学习算法

研究者 Yannis Montreuil 等提出 ORUCB 算法，用于在线学习延迟场景：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，通过池化共享与专家专属的多项式响应来学习修正。 在固定问题参数下，该方法实现高概率伪遗憾 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。

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。