AI dan Masalah-Masalah Sulit Dunia · Ilmu komputer teoretis · arXiv · 2026-10-23
Regret Hampir Optimal untuk Multi-Armed Bandit dengan Regularisasi KL
Judul asli: Near-Optimal Regret for KL-Regularized Multi-Armed Bandits
Studi ini mengkaji regret untuk multi-armed bandit dengan fungsi objektif yang diregularisasi KL, sebuah pengaturan yang efisiensi statistiknya belum dipahami dengan baik. Dengan analisis tajam terhadap KL-UCB menggunakan argumen peeling baru, para penulis menurunkan batas regret probabilitas tinggi pertama dengan ketergantungan linear pada jumlah lengan K, berorde Õ(ηK log²T). Mereka juga memberikan batas bawah Ω(ηK log T) yang menunjukkan bahwa analisis ini hampir ketat, dan menunjukkan bahwa pada rezim regularisasi rendah, regret tidak bergantung pada η dan berskala Θ̃(√(KT)).