秩诱导 Plackett--Luce 镜像梯度：用于睡眠专家的秩忠实二阶算法
机器学习
2025-09-24 v1
摘要
我们提出了一种新算法，秩诱导 Plackett--Luce 镜像梯度（RIPLM），该算法利用 \citet{BergamOzcanHsu2022} 建立的“秩基准”与“分布基准”之间的结构等价性。不同于先前在专家身份上操作的方法，RIPLM 直接在秩诱导 Plackett--Luce（PL）参数化中进行更新。这确保了算法在每一轮中所使用的分布保持在秩诱导分布的类别中，从而保持与秩基准的等价性。据我们所知，RIPLM 是首个在睡眠专家环境中同时（i）“秩忠实”且（ii）“方差自适应”的算法。
关键词
引用
@article{arxiv.2509.18138,
title = {Rank-Induced PL Mirror Descent: A Rank-Faithful Second-Order Algorithm for Sleeping Experts},
author = {Tiantian Zhang},
journal= {arXiv preprint arXiv:2509.18138},
year = {2025}
}