面向非顾问专家的准真实无后悔在线学习

我们研究了一种在T轮中，N个战略专家每轮报告预测值给机制，机制选择一个预测值，然后揭示结果的在线预测设置。在任何一轮中，每个专家都有关于结果的信念，但专家希望选择其报告，以最大化其被选中的次数。机制的目标是获得低信念后悔：即其累积损失（基于所选预测）与基于专家信念的事后最佳专家累积损失之差。我们考虑非顾问专家的准真实机制，即在任何未来轮中，真实报告其信念严格最大化专家主观被选中的概率。即使在完全信息设置下，获取该设置下的第一个无后悔准真实机制仍是一个开放问题。我们通过对独立事件彩票预测竞赛机制（I-ELF）的在线扩展，开发了第一个针对该设置的无后悔机制。将该在线I-ELF视为基于损失相关扰动的随机漫步的FPL（Follow the Perturbed Leader）新型实例，我们获得了$\tilde{O}(\sqrt{T N})$后悔。我们的成果基于我们开发的针对泊松二项分布的新型尾部界限。我们将结果扩展到bandit设置，给出一个准真实机制获得$\tilde{O}(T^{2/3} N^{1/3})$后悔；这也是即使近似准真实机制中首个无后悔结果。