SHPRR：在遗憾预算约束下改进最佳臂识别
论文AI 评分 58/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
一篇 arXiv 论文研究在固定采样预算与遗憾预算双重约束下的最佳臂识别问题。作者指出，遗憾与一般受限探索资源不同：相对于已有基线，采样更优臂的代价更低。他们从理论上证明，在 Sequential Halving 的各阶段中，探索的遗憾成本会下降，据此提出 SHPRR 算法，把遗憾预算前置，在剩余臂较多时投入更多探索。合成与真实数据实验显示，其最佳臂识别表现优于均匀分配遗憾预算的做法及现有基线。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载问题设定与动机
论文关注最佳臂识别（BAI）这一纯探索问题。传统做法用采样数量衡量实验成本，但在实际运营场景中，相对于已经部署的可信基线，探索带来的代价同样关键。作者因此在固定采样horizon之外再引入遗憾预算这一约束，研究两种约束同时存在时如何分配实验资源。与受限纯探索中常见的通用资源不同，遗憾具有特殊结构：采样更优的臂，相对基线的代价反而更低，这意味着探索的“贵”与“便宜”会随所选臂变化，不能按均匀成本处理。
理论观察与算法设计
作者从理论上分析了Sequential Halving这一广泛使用的纯探索算法，证明其探索的遗憾成本会随阶段推进而下降。基于这一观察，论文给出了关于识别最佳臂概率的改进保证，并据此提出更有效的遗憾预算分配方式。所提算法SHPRR（Sequential Halving with Proportional Regret Rationing）把遗憾预算前置使用，在剩余臂数量较多的早期阶段允许更多探索，而不是在各阶段平均分摊预算。
实验结果
论文在合成实例与真实世界实例上评估SHPRR，并与均匀分配遗憾预算的方案以及现有基线对比。结果显示，SHPRR在最佳臂识别性能上取得提升。论文未在摘要中给出具体的性能提升幅度或数据集名称，相关细节需查阅原文。该工作归入机器学习与人工智能分类，发布在arXiv，提供PDF与HTML实验版本。
为什么值得看
把遗憾预算纳入纯探索的资源约束，并给出可证明的分配策略，对做实验设计与推荐/调度选型的研究者有参考价值。
论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。