Risk and optimal policies in bandit experiments
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。
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：摘要聚焦一般老虎机实验的决策风险与策略优化，未提供归入所给具体应用细分的充分依据。
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
老虎机实验中的风险与最优策略
- 研究问题
- 如何在局部渐近框架下定义老虎机实验的贝叶斯风险和极小极大风险，并据此求解最优策略、减少策略计算所需的状态维度？
- 方法与思路
- 作者利用扩散过程与实验极限理论，以二阶偏微分方程刻画最小贝叶斯风险，并通过稀疏矩阵或蒙特卡洛求解风险和最优策略。
- 材料陈述的贡献
- 摘要称正态奖励下的方程刻画可渐近扩展至参数和非参数分布，并报告数值最优策略优于 Thompson 抽样，后者风险常约为两倍。
- 阅读关注点
- 应核对局部参数化、风险归一化、渐近充分状态变量及方程边界条件，并检查数值误差和与现有策略比较的具体情境。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。摘要未说明完整正则条件和风险比较范围，所述倍数不能视为普遍性能保证。
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.