学习识别顶级 Elo 评分：一种对决赌博机方法

Elo 评分系统被广泛用于评估（国际象棋）游戏与体育选手的技能。近来它也被集成进机器学习算法中以评估计算机化 AI 智能体的表现。然而，对（顶级）选手 Elo 评分的准确估计常需多轮竞赛，实施代价高昂。本文为提升 Elo 评估（针对顶级选手）的样本效率，提出一种高效的在线对局调度算法。具体而言，我们通过一种对决赌博机（dueling bandits）框架识别并匹配顶级选手，并使该赌博机算法适配基于梯度的 Elo 更新。我们表明，相较于需 $O(t)$ 时间的传统似然最大化方法，其将每步内存与时间复杂度降至常数。我们的算法具有 $\tilde{O}(\sqrt{T})$ 的悔值保证，关于竞赛轮数亚线性，并已扩展至处理非传递博弈的多维 Elo 评分。我们在多种博弈任务上实证表明，该方法实现了更优的收敛速度与时效。