扩散模型遇及上下文多臂赌博机

在上下文多臂赌博机中，缺乏信息性先验的方法往往会受到计算或统计效率的限制。本文我们利用预训练的扩散模型作为捕获复杂动作依赖关系的表达性先验，开发一种实用的算法，有效逼近此类先验下的后验分布，实现快速更新和采样。实验结果表明，我们的方法在多样化的上下文多臂赌博机设置下具有有效性和通用性。