交互环境下的近似通用预测

该研究分析了交互反馈对 Solomonoff induction 等通用贝叶斯混合预测器近似保证的影响。结果表明，无限多可计算环境的超额预测误差阶数为紧致的 $\kappa\eta\,2^{K(\mu)}$，其中 $\eta$ 为训练 KL 预算，$\kappa$ 衡量策略覆盖率。在有界回报下，价值误差受低覆盖分支进入概率与 $\eta$ 平方根项控制，适用于满足特定近似与覆盖条件的架构。