Selective Reviews of Bandit Problems in AI via a Statistical View
从统计视角选择性综述人工智能中的赌博机问题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：摘要聚焦通用序贯决策与统计理论，缺少对应所列计量领域细分的直接证据。
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…
关注这篇论文的作者
从统计视角选择性综述人工智能中的赌博机问题
- 研究问题
- 如何从统计视角理解随机多臂、连续臂及情境赌博机的模型假设，并比较探索与利用之间权衡的算法和遗憾分析？
- 方法与思路
- 作者选择性梳理基础模型、集中不等式和极小极大遗憾界，比较频率派与贝叶斯算法，并讨论函数型数据联系。
- 材料陈述的贡献
- 摘要所述贡献是组织相关模型、非渐近理论工具和算法思路，并介绍近期进展及尚存挑战，未宣称新的估计方法。
- 阅读关注点
- 应核对综述的文献覆盖范围、各类遗憾界对应的假设，以及不同赌博机模型和算法之间是否具备可比条件。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定同行评审或期刊接收；摘要未提供具体遗憾界，也未说明综述覆盖是否全面。
原文摘要
Reinforcement Learning (RL) is a widely researched area in artificial intelligence that focuses on teaching agents decision-making through interactions with their environment. A key subset includes stochastic multi-armed bandit (MAB) and continuum-armed bandit (SCAB) problems, which model sequential decision-making under uncertainty. This review outlines the foundational models and assumptions of bandit problems, explores non-asymptotic theoretical tools like concentration inequalities and minimax regret bounds, and compares frequentist and Bayesian algorithms for managing exploration-exploitation trade-offs. Additionally, we explore K-armed contextual bandits and SCAB, focusing on their methodologies and regret analyses. We also examine the connections between SCAB problems and functional data analysis. Finally, we highlight recent advances and ongoing challenges in the field.