arXiv stat.ML· Spyros Dragazis, Yilei Chen, Aldo Pacchiano·· 18 天前AI 评分26
一次探索、多策略评估：随机线性老虎机的多策略评估算法 PRISMA
Explore Once, Evaluate Many: Multiple Policy Evaluation for Stochastic Linear Bandits
AI 导读
研究人员针对具有线性奖励结构的随机上下文老虎机，提出多策略评估算法 PRISMA，可同时评估 K 个目标策略。该算法结合无奖励规划、正则化采样设计与共享岭回归估计器，在无需知道难度参数 ρ* 的情况下，以至少 1-δ 的概率达到 ε 精度，且样本复杂度对策略数 K 仅呈对数依赖。其理论保证无需二阶矩特征值的数值下界，且不显式依赖上下文与动作空间的大小。
来源：arXiv stat.ML · arxiv.org