#Bandit算法

高斯过程Bandit优化黑盒杠杆约束

本文介绍高斯过程上置信界（GP-UCB）算法在共享预算离散权重分配中的应用。针对延迟反馈、噪声和调整约束，GP-UCB通过高斯过程先验在相邻配置间共享信息，大幅减少探索周期。论文通过高保真模拟器确定Matérn+Linear复合核为最稳健选择，并在生产环境RCT中验证其统计显著优于ε-greedy基线。