非平稳多臂老虎机中当前效应推断的代价

针对非平稳多臂老虎机中奖励最大化与当前效应推断的冲突，研究团队提出了 TRACE 算法并建立了匹配的极小极大动态遗憾界。在 Hölder 光滑奖励设定下，该算法在置信区间宽度不超过 $w$ 时清晰分离了奖励学习代价与刷新当前效应估计的必要成本。扩展引入的经验 Bernstein e-process 还支持根据实际预测误差自适应探索。