带探针的公平多代理多臂老虎机算法
机器学习
2026-01-28 v6 人工智能
摘要
我们提出一种旨在确保跨代理器公平结果同时最大化整体系统性能的多代理多臂老虎机（MA-MAB）框架。为解决该设置下信息有限导致的决策问题，我们引入一种新颖的探针框架，战略性地在分配前收集有关所选臂的奖励信息。在离线设置下，其中奖励分布已知，我们利用子可约性质设计出一种具有可证明性能界的贪心探针算法。对于更复杂的在线设置，我们开发的算法在保持公平性的同时实现亚线性后悔。大量在合成数据和真实世界数据集上的实验表明，我们的方法优于基线方法，实现了更好的公平性和效率。
引用
@article{arxiv.2506.14988,
title = {Fair Algorithms with Probing for Multi-Agent Multi-Armed Bandits},
author = {Tianyi Xu and Jiaxin Liu and Nicholas Mattei and Zizhan Zheng},
journal= {arXiv preprint arXiv:2506.14988},
year = {2026}
}