arXiv论文提出带选择性验证反馈的高斯过程bandit

Shuang Wu 在 arXiv 论文（2610.17760）中提出用于优化提示词、检索系统和 Agent 工作流的高斯过程 bandit 方法：当低成本模型评估与可信任务结果不一致时，采用选择性验证来纠正反馈，并利用配置间的相似性减少可信评估开销。 作者在可靠性类别、有限 RKHS 信号字典、审计预算和信息获取轮次等条件下建立有限时间遗憾界，并提出保留统一识别下限的安全自适应扩展。合成实验将这些认证设计与自适应后验启发式及 GP 对照方法区分开；另有独立的 AI 任务重放评估反馈校正和拟合字典策略，但尚未对学到的选择性验证方法建立端到端验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。