待验证50% 置信事实精确时间
KL-UCB算法基于KL散度构建置信上界，相比UCB1等基于Hoeffding不等式的算法，能在伯努利奖励下实现更紧的遗憾界。
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
相关事实
待验证KL-UCB-Transfer算法在μ'_a < μ_1 - L_a的条件下获得更优的领头常数，当该条件不满足时退化为经典KL-UCB的保证。73% 相似待验证UCB算法和汤普森采样通过为每个选项构建置信区间上界来量化不确定性，平衡利用与探索，在理论上达到遗憾的对数上界73% 相似待验证Top-K路由中K值的选择影响计算效率与表现能力之间的权衡，K越小推理越快但可能损失表达能力，实践中K通常取1或267% 相似待验证非平衡最优传输通过在目标函数中引入KL散度等惩罚项允许边际约束被软性满足，使低置信度匹配对贡献更小权重67% 相似待验证良好的在线学习算法应保证遗憾随轮次增长速度远低于线性，通常目标是O(√T)量级，指数权重(Hedge)和UCB已被证明能达到该保证65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046779API
curl https://kongchang.com/api/v1/knowledge/claims/1046779MCP
get_claim(id=1046779)