Proportional Response: Contextual Bandits for Simple and Cumulative Regret Minimization
比例响应：兼顾简单遗憾与累积遗憾的上下文老虎机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：摘要主要研究通用老虎机策略学习与遗憾权衡，处理分配示例不足以确认因果识别或推断方向。
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…
比例响应：兼顾简单遗憾与累积遗憾的上下文老虎机
- 研究问题
- 上下文老虎机如何在实验期间获得较高回报与实验结束后学到较好处理策略之间权衡，且容许模型误设和连续行动？
- 方法与思路
- 作者构造保形行动集合，使其按上下文分布以一定概率包含最优行动，并用调节参数控制简单遗憾与累积遗憾的权重。
- 材料陈述的贡献
- 摘要称算法具有计算效率及两类遗憾保证，并给出无法同时达到实例依赖简单遗憾与极小极大最优累积遗憾的结果。
- 阅读关注点
- 应核对行动集合覆盖概率的含义、调节参数如何选择、函数类别和误设条件，以及正面保证与不可能性结果的比较基准。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未列出遗憾界和条件，所称先进保证不能视为全面性能优势。
原文摘要
In many applications, e.g. in healthcare and e-commerce, the goal of a contextual bandit may be to learn an optimal treatment assignment policy at the end of the experiment. That is, to minimize simple regret. However, this objective remains understudied. We propose a new family of computationally efficient bandit algorithms for the stochastic contextual bandit setting, where a tuning parameter determines the weight placed on cumulative regret minimization (where we establish near-optimal minimax guarantees) versus simple regret minimization (where we establish state-of-the-art guarantees). Our algorithms work with any function class, are robust to model misspecification, and can be used in continuous arm settings. This flexibility comes from constructing and relying on "conformal arm sets" (CASs). CASs provide a set of arms for every context, encompassing the context-specific optimal arm with a certain probability across the context distribution. Our positive results on simple and cumulative regret guarantees are contrasted with a negative result, which shows that no algorithm can achieve instance-dependent simple regret guarantees while simultaneously achieving minimax optimal cumulative regret guarantees.