Learning Safely Without Knowing the World: COMPASS-Hedge
机器学习
2026-05-29 v4 计算机科学与博弈论
摘要
在线学习算法常面临一个根本性三难题：在对抗性与随机性环境之间平衡再生损失，同时为固定比较器提供基线安全保障。虽然现有方法在一个或两个该领域中表现出色，但通常无法在不牺牲最优收敛率或依赖问题相关参数的 oracle 访问条件下统一所有三个目标。本文通过引入 COMPASS-Hedge 来弥合这一鸿沟。鉴于我们的算法在知识面前是首个在全信息情境下同时实现（最多相差对数因子）：i）对抗环境下的最小损失；ii）随机环境下的实例最优、gap 相关再生损失；iii）相对于指定基线策略的 再生损失。关键在于 COMPASS-Hedge 无需参数，无需事先了解环境的性质或随机次优性 gap 的大小。我们的做法依赖于自适应伪再生损失缩放与阶段性积极性，结合比较器感知的混合策略。鉴于我们的工作在知识上是首个实现"三界最佳"保障的全信息方法，表明基线安全无需以最坏情况鲁棒性或随机效率为代价。
引用
@article{arxiv.2603.22348,
title = {Learning Safely Without Knowing the World:COMPASS-Hedge},
author = {Ting Hu and Luanda Cai and Emmanouil-Vasileios Vlatakis-Gkaragkounis},
journal= {arXiv preprint arXiv:2603.22348},
year = {2026}
}