KI und die schwierigen Probleme der Welt · Theoretische Informatik · arXiv · 2026-10-23
Nahezu optimales Regret für KL-regularisierte Multi-Armed-Bandits
Originaltitel: Near-Optimal Regret for KL-Regularized Multi-Armed Bandits
Die Studie untersucht das Regret bei Multi-Armed-Bandits mit KL-regularisierten Zielfunktionen, einem Szenario, dessen statistische Effizienz bislang nicht gut verstanden war. Mithilfe einer scharfen Analyse von KL-UCB mit einem neuartigen Peeling-Argument leiten die Autoren die erste Regret-Schranke mit hoher Wahrscheinlichkeit her, die linear von der Anzahl der Arme K abhängt, in der Größenordnung Õ(ηK log²T). Sie geben außerdem eine untere Schranke von Ω(ηK log T) an, die zeigt, dass die Analyse nahezu scharf ist, und zeigen, dass im Bereich schwacher Regularisierung der Regret unabhängig von η ist und wie Θ̃(√(KT)) skaliert.