基于混合反馈的广义线性 bandit 中的最佳臂识别
人工智能
2026-05-08 v1
摘要
我们研究了在混合反馈模型下的广义线性 bandit 中的固定置信度最佳臂识别问题。在每一轮中，学习者可以查询（i）来自单个臂的绝对奖励反馈，或（ii）来自臂对的相对（对决）反馈，这两种反馈均受制于广义线性模型。我们引入了一个基于似然比的置信序列方法，统一了异构的广义线性观测，并在自圆锥性假设下推导出显式的椭球置信集合。基于该置信集合，我们提出了一种混合 Track-and-Stop 算法，通过在臂和配对的联合动作空间上跟踪 minimax 最优设计来自适应分配查询。我们证明了该算法的 正确性，并给出了停止时间的高概率上界。我们进一步扩展了框架，以成本感知的设置进行了考虑，既考虑了不同反馈模式的异构获取成本，也考虑了实际应用中的经济约束。实验结果表明，所提出的算法在基线方法之上显著提高了样本效率。
引用
@article{arxiv.2605.05745,
title = {Best Arm Identification in Generalized Linear Bandits via Hybrid Feedback},
author = {Qirun Zeng and Xuchuang Wang and Jiayi Shen and Xutong Liu and Fang Kong and Jinhang Zuo},
journal= {arXiv preprint arXiv:2605.05745},
year = {2026}
}