提出TS-SA算法并给出近最优后悔界

Weixin Wang、Haoyang Zheng、Guang Lin、Wei Deng、Pan Xu 在arXiv发布论文，提出TS-SA算法，将随机逼近嵌入基于Langevin的Thompson Sampling多臂老虎机框架，并建立近最优的最坏情况后悔界。 TS-SA的核心做法是让每个臂维护一条持续的Markov链，每次新奖励到达后仅执行一步Langevin更新，无需反复重启。论文称，经初始预热后采用单步Langevin更新的TS-SA在实验中对标准基线表现出较强性能。

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。