arXiv · cs.AI· Vikram Kakaria, Anish Kataria, Anany Kotawala·· 2 天前
大语言模型协方差驱动的相关 Thompson Sampling 改善组合半带宽遗憾
Structure, Not Belief: Correlated Thompson Sampling from LLM-Derived Covariance in Combinatorial Semi-Bandits
arXiv:2610.07470v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Vikram Kakaria, Anish Kataria, Anany Kotawala
研究任务与主要进展
Vikram Kakaria、Anish Kataria 和 Anany Kotawala 提出一种组合 Thompson Sampling 方法：让大语言模型一次性给出臂的聚类划分，并通过 RBF 核构造相关协方差，而 Beta 后验仅由真实奖励更新。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org