论文提出满足基线约束的保守对偶老虎机算法

Rohan Deb 在 arXiv 发布关于保守上下文对偶老虎机的研究：要求每轮展示较优项的累计得分不低于可信基线的 (1−α) 比例。论文指出直接沿用 CLUCB 安全测试会导致线性遗憾，并提出 MaxInP-BC 与 BTIGW-BC 两种算法，前者遗憾为 Õ(d√T/κ)，后者可随时保证安全且遗憾次线性。实验显示两种算法均满足约束，而无约束对应算法常违反约束，代价是适度的遗憾增加。

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。