概念pseudo-regret

伪后悔

在线学习算法性能的核心评估指标，定义为算法累积损失与事后已知最优策略累积损失之差的期望值，用于衡量算法与最优策略的差距

时间轴 (近 90 天)

10月7日

在包括有界残差与分歧、最优响应的固定可行模型、自由查询风险和最优查询风险的线性模型等假设条件下，ORUCB能够在T轮中实现高概率的伪后悔界O(√T·log(T+1))

待验证50%