IA e os Problemas Difíceis do Mundo · Ciência da computação teórica · arXiv · 2026-10-23
Arrependimento quase ótimo para bandits multi-armed com regularização KL
Título original: Near-Optimal Regret for KL-Regularized Multi-Armed Bandits
O estudo examina o arrependimento (regret) em bandits multi-armados com objetivos regularizados por KL, um cenário cuja eficiência estatística não era bem compreendida. Usando uma análise rigorosa do KL-UCB com um novo argumento de peeling, os autores derivam o primeiro limite de regret com alta probabilidade com dependência linear do número de braços K, de ordem Õ(ηK log²T). Também apresentam um limite inferior de Ω(ηK log T), mostrando que a análise é quase justa, e demonstram que, no regime de baixa regularização, o regret é independente de η e escala como Θ̃(√(KT)).