BriefGPT - AI 论文速递 · 2023-10-16T00:00:00Z

发挥异质溢出效应以最大化上下文强盗奖励

📝

内容提要

该文提出了一种自适应学习算法，用于解决高度非静态环境中的情境赌博问题。该算法在时间长度 $T$ 的情况下，实现了遗憾的亚线性缩放，并在混合收益的更一般情况下进行了扩展。实证实验证明了该算法在两种设置下对基线算法的优势。

🏷️

标签

实证实验证明 情境赌博问题 混合收益 自适应学习算法 遗憾亚线性缩放