arXiv stat.ML· Rohan Deb, Mohammad Ghavamzadeh, Arindam Banerjee·· 6 天前AI 评分30
保守型对决老虎机：基线约束下的偏好学习
Conservative Dueling Bandits: Preference Learning under Baseline Constraints
AI 导读
针对成对比较偏好学习，研究提出保守型上下文对决老虎机，要求展示的较优选项累积得分不低于受信任基线的 $(1-\alpha)$ 比例。针对直接套用传统 CLUCB 算法会导致线性遗憾的问题，论文面向线性和通用效用分别开发了具备安全保证与次线性遗憾的 MaxInP-BC 与 BTIGW-BC 算法。实验表明两者均能以适度遗憾代价严格满足基线约束。
来源：arXiv stat.ML · arxiv.org