机器之心数据服务现已上线，提供高效稳定的数据获取服务，简化数据爬取流程。

本研究中，我们提出了一种新的局部贝叶斯优化算法 MinUCB，通过在 GIBO 中将梯度下降步骤替换为最小化 UCB 的策略来改进了梯度下降方法，证明了在应用高斯过程作为替代物时，后者可以比直接梯度下降更好。此外，我们还通过前瞻策略改进了 MinUCB 的取样函数，得到了更高效的算法...

本文探讨了多目标强化学习（MORL）的新算法及其在连续控制问题中的应用，提出了基于效用的范式和新方法，如PD-MORL和DG-MORL，旨在提升算法性能和计算效率。研究表明，良好的奖励信号和适应性强的算法设计能显著改善学习效果，推动MORL领域的发展。

本文提出了多种基于UCB算法的改进方法，涵盖非参数、动态索引策略和非稳态问题，展示了在多臂老虎机和随机赌博机模型中的应用效果。研究表明，这些算法在降低后悔度和提高性能方面优于现有技术，适用于复杂环境和预算限制问题。

该文综述多臂老虎机最优臂识别研究，提出ROBAI等算法，兼顾最优臂与奖励最大化，分析停止时间与样本复杂度，揭示UCB过度探索问题，并扩展至鲁棒、公平、好臂识别及成本最小化等设定，提供理论保证与实验验证。

本文综述非平稳多臂赌博机研究，涵盖重启策略算法、风险感知与贝叶斯变点检测、Hölder连续奖励下的遗憾界、UCB与Thompson采样解决潜在赌徒问题、基于奖励置信度的环境变化检测、无贝叶斯假设的元策略学习、Markov奖励赌博机的指数策略、黑盒方法及折扣与滑动窗口UCB算法分析。

本研究提出了一种基于贝叶斯优化的方法，用于识别物体的材料属性参数。该方法通过对不同场景下互动物体的观察进行估计，利用奖励函数的结构，仅使用场景中对象的参数作为输入，得到更好的广义模型来加速优化过程。实验证明该方法能够有效进行增量学习而不重置奖励。