Risk and Optimal Policies in Bandit Experiments
多臂老虎机实验中的风险与最优策略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。
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：摘要研究一般序贯实验决策理论，未提供归入所列应用领域的充分依据。
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
多臂老虎机实验中的风险与最优策略
- 研究问题
- 在局部渐近框架下，如何刻画多臂老虎机实验的最小贝叶斯风险与极小极大风险，并据此构造最优实验策略？
- 方法与思路
- 作者利用扩散过程与实验极限，将最小贝叶斯风险刻画为二阶偏微分方程，并通过数值求解获得策略及状态降维方案。
- 材料陈述的贡献
- 摘要称该刻画渐近适用于参数与非参数奖励分布；数值比较中，Thompson sampling的风险常约为最优策略的两倍。
- 阅读关注点
- 应核对局部参数化、损失与先验的定义，正态结果向其他分布推广的条件，以及数值比较所覆盖的实验设置。
- 阅读边界
- 仅据所给Crossref版本摘要，不能将风险优势推广到所有老虎机问题；具体正则条件、比较范围和后续版本变化未说明。
原文摘要
We provide a decision‐theoretic analysis of bandit experiments under local asymptotics. Working within the framework of diffusion processes, we define suitable notions of asymptotic Bayes and minimax risk for these experiments. For normally distributed rewards, the minimal Bayes risk can be characterized as the solution to a second‐order partial differential equation (PDE). Using a limit of experiments approach, we show that this PDE characterization also holds asymptotically under both parametric and non‐parametric distributions of the rewards. The approach further describes the state variables it is asymptotically sufficient to restrict attention to, and thereby suggests a practical strategy for dimension reduction. The PDEs characterizing minimal Bayes risk can be solved efficiently using sparse matrix routines or Monte Carlo methods. We derive the optimal Bayes and minimax policies from their numerical solutions. These optimal policies substantially dominate existing methods such as Thompson sampling; the risk of the latter is often twice as high.