一种广义 Borda 准则下最优和自适应的非平稳对决多臂老虎机算法
原文中文，约300字，阅读约需1分钟。发表于：。对比辩论问题中实现严重非稳态度的底线非希望恶化情况下，解决 Borda 动态后悔上界问题的技术，揭示了 Condorcet 与 Borda 后悔目标在对比辩论问题中学习到严重非稳态度的根本差异。
该研究提出了两个算法来解决dueling bandit问题，一个适用于少量的arms，另一个在大规模问题上表现更好。算法旨在最小化与Copeland winner相关的遗憾，并提供了理论结果以界定它们所积累的遗憾。这些结果改善了现有结果，没有限制性假设，提供了最佳结果。
