提出多目标老虎机Few-for-Many最优臂识别问题与算法

Bo Xue 等在 arXiv（2610.16840）发布论文，提出多目标多臂老虎机中的 Few-for-Many 最优臂识别新问题：不再为每个目标分别找最优臂，而是寻找一个少量臂组成的候选集，使相对各目标最优值的最坏加权退化最小。作者提出 GFM-Elim 与 AFM-Elim 算法并给出样本复杂度界。 对高斯奖励的潜在分组设定，作者进一步给出下界，并证明基于 oracle 的 Track-and-Stop 过程能以高概率渐近达到该下界；算法在合成与真实任务实验上得到验证。以上为论文作者声称的结果，本站基于论文摘要，未核验全文。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。