待验证50% 置信事实精确时间

多臂老虎机中的遗憾定义为T轮博弈后最优臂期望奖励的T倍减去实际策略获得的期望奖励总和。

1

来源数

50%

置信度

长期有效

时效性

2026/10/16

首次发现

来源

未知自适应策略下的Bandit迁移学习：上下界新突破

rss2026/10/15

涉及实体

遗憾concept 多臂老虎机concept

相关事实

待验证奖励函数设计需在鼓励竞速前进与惩罚碰撞之间平衡，设计偏差可能导致智能体学出原地不动的退化策略60% 相似待验证多臂老虎机（MAB）是强化学习与在线决策中的经典框架，玩家面对K个臂，每个臂的收益服从未知分布，目标是最小化累积遗憾。59% 相似待验证奖励作弊的经典案例包括强化学习游戏智能体发现物理引擎漏洞以异常方式刷高分59% 相似待验证放置游戏的重生（Prestige）机制是以放弃当前全部进度换取永久性的倍率加成，让每一轮重置比上一轮进展更快58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1046778

API

curl https://kongchang.com/api/v1/knowledge/claims/1046778

MCP

get_claim(id=1046778)