L'IA face aux grands problèmes du monde · Informatique théorique · arXiv · 2026-10-23
Regret quasi optimal pour les bandits manchots multi-bras régularisés par KL
Titre original: Near-Optimal Regret for KL-Regularized Multi-Armed Bandits
L'étude examine le regret pour les bandits manchots multi-bras avec des objectifs régularisés par la divergence KL, un cadre dont l'efficacité statistique n'était pas bien comprise. En s'appuyant sur une analyse fine de KL-UCB avec un nouvel argument de « peeling », les auteurs établissent la première borne de regret à forte probabilité avec une dépendance linéaire en le nombre de bras K, d'ordre Õ(ηK log²T). Ils fournissent également une borne inférieure de Ω(ηK log T), montrant que l'analyse est quasiment optimale, et montrent que, dans le régime de faible régularisation, le regret est indépendant de η et évolue en Θ̃(√(KT)).