La IA y los problemas difíciles del mundo · Informática teórica · arXiv · 2026-10-23
Arrepentimiento casi óptimo para bandidos multibrazo con regularización KL
Título original: Near-Optimal Regret for KL-Regularized Multi-Armed Bandits
El estudio examina el regret en bandidos multibrazo con objetivos regularizados por KL, un escenario cuya eficiencia estadística no se comprendía bien. Mediante un análisis preciso de KL-UCB con un novedoso argumento de peeling, los autores obtienen la primera cota de regret con alta probabilidad y dependencia lineal del número de brazos K, de orden Õ(ηK log²T). También ofrecen una cota inferior de Ω(ηK log T) que muestra que el análisis es casi ajustado, y demuestran que en el régimen de baja regularización el regret es independiente de η y escala como Θ̃(√(KT)).