Adapting to Misspecification in Contextual Bandits with Offline Regression Oracles
利用离线回归工具适应上下文老虎机中的模型误设AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要关注上下文老虎机算法的误设适应与遗憾保证，未明确对应所列经济计量方向，故保持空分类。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
利用离线回归工具适应上下文老虎机中的模型误设
- 研究问题
- 奖励预测模型发生误设时，如何用较简单的回归工具构造上下文老虎机算法，并使遗憾随误设程度平缓恶化？
- 方法与思路
- 作者提出一类仅需离线回归工具的算法，在发现误设导致遗憾增加的证据时，退回表现较好的安全策略。
- 材料陈述的贡献
- 摘要称算法获得与既有工作相近的遗憾保证，无需主算法或在线、约束回归工具，从而适配更一般的函数近似类。
- 阅读关注点
- 应核对误设恶化的检测规则、安全策略的定义与获得方式，以及平均误设指标和离线回归工具需要满足的保证。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实；摘要未给出遗憾界、检测门槛及完整条件，不能推断任意函数类均适用。
原文摘要
Computationally efficient contextual bandits are often based on estimating a predictive model of rewards given contexts and arms using past data. However, when the reward model is not well-specified, the bandit algorithm may incur unexpected regret, so recent work has focused on algorithms that are robust to misspecification. We propose a simple family of contextual bandit algorithms that adapt to misspecification error by reverting to a good safe policy when there is evidence that misspecification is causing a regret increase. Our algorithm requires only an offline regression oracle to ensure regret guarantees that gracefully degrade in terms of a measure of the average misspecification level. Compared to prior work, we attain similar regret guarantees, but we do no rely on a master algorithm, and do not require more robust oracles like online or constrained regression oracles (e.g., Foster et al. (2020a); Krishnamurthy et al. (2020)). This allows us to design algorithms for more general function approximation classes.