arXiv · cs.AI· Rohan Deb·· 22 小时前AI 评分26
保守对偶老虎机：基线约束下的偏好学习
Conservative Dueling Bandits: Preference Learning under Baseline Constraints
来源与原文
arXiv · cs.AI
作者：Rohan Deb
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/2610.36708v1
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 论文研究带基线约束的保守上下文对偶老虎机，要求每轮展示的较优项累计得分不低于可信基线的 (1−α) 比例。论文证明直接沿用 CLUCB 安全测试会导致线性遗憾，并提出 MaxInP-BC 与 BTIGW-BC 两种算法，前者 regret 为 $\tilde{O}(d\sqrt{T}/\kappa)$，后者可随时保证安全且遗憾次线性。实验显示二者均满足约束，而无约束对应算法常违反约束，代价为适度的遗憾增加。
来源：arXiv · cs.AI · arxiv.org