学者提出带基线约束的保守上下文对决老虎机算法

Rohan Deb、Mohammad Ghavamzadeh 和 Arindam Banerjee 在 arXiv 发布论文，研究保守的上下文对决老虎机：要求每轮展示中较优项的累计得分不低于可信基线的 (1-α) 比例，避免同时向用户呈现两个差选项。 论文针对线性效用提出 MaxInP-BC 算法，始终高概率安全，遗憾为 Õ(d√T/κ)，且保守代价不随时域增长；针对一般效用类提出 BTIGW-BC 算法，在使用在线 logistic 回归 oracle 时，遗憾为次线性时遗憾也次线性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。