研究提出奖励不可见下的委托代理博弈激励策略

2026年11月5日，发表于arXiv的相关研究针对委托人无法观察代理人奖励的重复委托-代理多臂老虎机博弈，提出了一种面向完全知识代理人的激励策略。该策略在对数因子下实现了平方根低遗憾（square-root regret）。该方法利用历史激励与动作选择序列构建代理人的期望奖励估计器，并基于在线逆优化思想推导出了有限样本集中界。数值模拟进一步验证了该框架在长期他汀类药物治疗个性化依从性激励设计中的适用性。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。