提出无UCB的Mixture-Greedy在线生成模型选择方法

Bahar Dibaei Nia 与 Farzan Farnia 在 arXiv 论文中提出 Mixture-Greedy 策略，用于在线选择多个生成模型，不含显式 UCB 探索奖励。作者基于论文摘要报告，在多个数据集和评价指标上，该策略比加入 UCB 项的方法收敛更快、样本效率更高，尤其在 FID 和 Vendi 等难以构造紧密置信界的指标下表现更好。 理论上，作者称在结构性条件下，多样性目标因偏好内部混合可产生隐式探索，并带来次线性遗憾保证。以上结果为作者声称，尚无独立验证。

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。