arXiv · cs.AI· Georgina Nouli·· 20 小时前AI 评分15
SHPRR：一种约束遗憾下纯探索的新算法
SHPRR: An Algorithm for Pure Exploration under Constrained Regret
来源与原文
arXiv · cs.AI
作者：Georgina Nouli
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.39837v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
arXiv 论文提出 SHPRR（Sequential Halving with Proportional Regret Rationing）算法，研究在固定采样轮数与遗憾预算双重约束下的 Best Arm Identification（BAI）问题。理论分析表明 Sequential Halving 各阶段的遗憾成本递减，据此 SHPRR 将遗憾预算前置，在剩余臂较多时允许更多探索。合成与真实数据实验显示，其最佳臂识别性能优于均匀遗憾分配及现有基线。
来源：arXiv · cs.AI · arxiv.org