线性情境多臂老虎机问题中的最佳两者之选
机器学习
2025-10-17 v2
摘要
我们研究了线性情境多臂老虎机问题，其中在每个轮次中，学习者选择一个动作以最小化给定情境下的损失，然后可以决定支付固定成本来观察任意臂的损失。基于Follow-the-Regularized-Leader框架，通过矩阵几何重抽样实现高效估计器，我们引入了一种计算高效的最佳两者之选（Best-of-Both-Worlds, BOBW）算法。我们证明该算法在对抗性情境下实现的次优 regret，同时在（受损）随机情境中保证对数级regret。我们的ethods建立在\cite{BOBWhardproblems}中的框架中，用于设计BOBW算法处理“困难问题”，并针对我们所考虑的情境量身定制分析技术。
引用
@article{arxiv.2510.07424,
title = {Best-of-Both Worlds for linear contextual bandits with paid observations},
author = {Nathan Boyer and Dorian Baudry and Patrick Rebeschini},
journal= {arXiv preprint arXiv:2510.07424},
year = {2025}
}
备注
error in the proofs