AI na Matatizo Magumu ya Ulimwengu · Sayansi ya kompyuta ya kinadharia · arXiv · 2026-10-23
Majuto Karibu na Bora kwa KL-Regularized Multi-Armed Bandits
Kichwa asilia: Near-Optimal Regret for KL-Regularized Multi-Armed Bandits
Utafiti huu unachunguza majuto (regret) kwa multi-armed bandits zenye malengo yaliyodhibitiwa kwa KL (KL-regularized), mazingira ambayo ufanisi wake wa kitakwimu haukueleweka vyema. Kwa kutumia uchambuzi makini wa KL-UCB pamoja na hoja mpya ya peeling, waandishi wanapata kikomo cha kwanza cha majuto chenye uwezekano mkubwa kinachotegemea kwa mstari idadi ya mikono K, cha mpangilio wa Õ(ηK log²T). Pia wanatoa kikomo cha chini cha Ω(ηK log T) kinachoonyesha kuwa uchambuzi huo uko karibu kuwa sahihi kabisa, na wanaonyesha kuwa katika hali ya udhibiti wa chini majuto hayategemei η na hukua kama Θ̃(√(KT)).