ORUCB
一种在线学习算法，用于委托决策场景，通过融合共享响应与专家特定响应的多项式建模，结合置信加权风险回归和探索校准，实现对不完美专家答案的纠正与路由优化
时间轴 (近 90 天)
一篇发表于arXiv（arXiv:2610.07084）的研究提出了'查询不等于承诺'（A Query Is Not a Commitment）的视角，学习者在付费购买专家答案前需选择咨询哪位专家并预先确定纠正函数
该研究提出的算法名为ORUCB，核心思路是将共享响应与专家特定响应通过多项式建模进行池化
ORUCB对累积响应学习误差设定上界，用该界来校准置信加权的风险回归和探索策略
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))
标准多臂老虎机问题的下界为O(√T)，ORUCB额外的log(T+1)因子源于同时学习纠正函数所引入的复杂度
ORUCB的理论保证允许奇异的答案分布、容忍误设的共享响应模型，其最优性相对于有界响应类而言
研究在四个测试数据流上验证方法，三次多项式策略（cubic policy）在包含费用的总成本上优于七个直接部署未修正答案的基线方法
实验从与常见纠正学习器对比路由决策，以及通过六种定价场景对比成本与查询率关系两个维度展开
预先设定纠正函数并把纠正误差纳入路由决策，在经济成本层面带来可观收益，尤其当每次查询都需付费时
全部知识事实 (9)
一篇发表于arXiv（arXiv:2610.07084）的研究提出了'查询不等于承诺'（A Query Is Not a Commitment）的视角，学习者在付费购买专家答案前需选择咨询哪位专家并预先确定纠正函数
50%待验证该研究提出的算法名为ORUCB，核心思路是将共享响应与专家特定响应通过多项式建模进行池化
50%待验证ORUCB对累积响应学习误差设定上界，用该界来校准置信加权的风险回归和探索策略
50%待验证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))
50%待验证标准多臂老虎机问题的下界为O(√T)，ORUCB额外的log(T+1)因子源于同时学习纠正函数所引入的复杂度
50%待验证ORUCB的理论保证允许奇异的答案分布、容忍误设的共享响应模型，其最优性相对于有界响应类而言
50%待验证研究在四个测试数据流上验证方法，三次多项式策略（cubic policy）在包含费用的总成本上优于七个直接部署未修正答案的基线方法
50%待验证实验从与常见纠正学习器对比路由决策，以及通过六种定价场景对比成本与查询率关系两个维度展开
50%待验证预先设定纠正函数并把纠正误差纳入路由决策，在经济成本层面带来可观收益，尤其当每次查询都需付费时
50%