保守线性多臂 bandit 的多任务表示学习
机器学习
2026-05-13 v1
摘要
本文提出了针对线性 bandit 的受限多任务表示学习(CMTRL)框架。我们考虑 T 个线性 bandit 任务，在 d 维空间中，这些任务共享一个维数为 r 的低维表示，其中 r 远小于 d 和 T 的最小值。此外，任务受到约束，仅允许满足特定安全或性能要求的动作，称为保守(safe) bandit。我们引入一种新算法Safe-Alternating投影梯度下降与最小化(Safe-AltGDmin)，在满足给定约束条件的同时恢复低秩特征矩阵。基于该算法，我们提出了针对保守线性 bandit 的多任务表示学习框架，并给出其 regret 和样本复杂度的理论保证。我们展示了实验并将算法性能与基准算法进行了比较。
引用
@article{arxiv.2605.12176,
title = {Multi-Task Representation Learning for Conservative Linear Bandits},
author = {Jiabin Lin and Shana Moothedath},
journal= {arXiv preprint arXiv:2605.12176},
year = {2026}
}