基于离线回归的阶段约束上下文老虎机：无 eluder-dimension 的后悔界

研究针对带阶段约束的上下文老虎机问题提出 CS-UCCB 算法，结合了离线回归、成本置信集与反事实置信上界。在覆盖熵与离线估计误差满足多对数条件下，有限动作算法以高概率保证每轮决策的可行性，并实现无需 eluder-dimension 项的 $\widetilde{\mathcal O}(\sqrt T)$ 后悔界。该理论分析还进一步拓展至显式奖励设计条件下的无限动作场景。