基于多任务表现的专家主动排序

我们考虑基于 n 个专家在 d 个任务上的表现对其进行排序的问题。我们作出单调性假设：对每一对专家，其中一个在所有任务上均优于另一个。我们考虑序贯设定，其中每轮学习者可根据截至当前轮的信息，主动选择专家—任务对并获得其带噪评估。给定置信参数 $\delta$ $\in$ (0, 1)，我们提供能够恢复专家正确排序的策略，并给出算法总查询次数的界，该界以至少 1 – $\delta$ 的概率成立。我们表明策略可适应问题复杂度（我们的界依赖于具体实例），并给出直至多对数因子匹配的下界。最后，我们将策略适配于松弛的最优专家辨识问题，并给出与理论结果一致的数值模拟。