Replicable Dueling Bandits：实现可复现对决多臂老虎机的次线性遗憾

作者研究可复现对决多臂老虎机，使两次运行在每轮以至少1−ρ的概率选择相同的有序比较对象。基于 Beat-the-Mean，作者在放松随机传递性和随机三角不等式下提出期望遗憾为~$O(γ^8 K^4 H_p/ρ^2)$的算法，并在强随机传递性下通过同时消除将遗憾改进为~$O(K^2 H_p/ρ^2)$；在线性对决多臂老虎机中，遗憾为~$O(d^3\sqrt{T}/(c_μρ))$。