研究多臂老虎机框架下奖励不可观测时的激励设计

Ilgin Dogan、Zuo-Jun Max Shen 与 Anil Aswani 在 arXiv 论文（arXiv:2304.07407 v3）中研究多臂老虎机框架下的重复委托-代理博弈：委托人为每个臂提供激励，代理选择臂以最大化自身收益，而委托人无法直接观测代理所选动作获得的奖励。论文利用激励序列与所选臂序列构建代理期望奖励的估计器，类比多臂老虎机中的在线逆优化。 针对代理完全了解自身各臂期望奖励的情形，作者设计了低遗憾激励策略，并证明其达到对数因子内的平方根遗憾上界。论文还以他汀类药物长期治疗依从性的个性化激励设计数值模拟，展示该框架的适用性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。