待验证50% 置信事实精确时间

有限动作集线性bandit问题中，对抗环境要求算法保证 ~O(√T) 遗憾，随机环境期望 O(log T) 级别的遗憾。

1

来源数

50%

置信度

长期有效

时效性

2026/11/3

首次发现

来源

线性Bandit新突破：IAFTRL实现随机与对抗环境双优

涉及实体

线性banditconcept

相关事实

待验证在标准遗憾最小化中，遗憾上界通常表现为 O(√T)，而在倾斜采样框架下，采样遗憾由置信宽度的平方主导，产生对数级别的遗憾 O(log T)。76% 相似待验证在线梯度下降等算法在凸或近似凸假设下可保证O(√T)遗憾。75% 相似待验证经典算法Hedge在oblivious输入下达到O(√(T log N))的遗憾，且该界在一般情况下是紧的。71% 相似待验证行为克隆的分布偏移问题会导致误差累积,经过T步后期望总损失为O(εT²)而非线性的O(εT)69% 相似待验证该通用下界为核函数赌博机算法设计划定了边界：任何新算法的遗憾表现都无法突破 Ω(√(Tγ_T/log T))67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1128913

API

curl https://kongchang.com/api/v1/knowledge/claims/1128913

MCP

get_claim(id=1128913)