Zero-Inflated Bandits
零膨胀多臂老虎机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：摘要研究通用序贯决策与奖励分布建模，未提供对应所列计量细分领域的直接证据。
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
零膨胀多臂老虎机
- 研究问题
- 当多臂老虎机奖励稀疏且大量取零时，如何利用奖励分布结构设计学习算法，从而改善这一场景中的估计和决策效率？
- 方法与思路
- 作者以经典半参数零膨胀分布描述奖励，在此结构下分别开发基于置信上界与 Thompson Sampling 的多臂老虎机算法。
- 材料陈述的贡献
- 摘要称论文开启零膨胀老虎机研究，并通过广泛数值实验展示所提算法的较好经验表现，但没有给出具体收益或性能数值。
- 阅读关注点
- 应核对零奖励机制、分布模型及参数估计方式，并查看算法是否具有理论遗憾界，以及数值比较的基线和稀疏程度设定。
- 阅读边界
- 这是 arXiv 预印本，同行评审和期刊接收未经核实。摘要未说明理论保证、实验细节或应用数据，不能据此认定普遍的学习效率优势。
原文摘要
Many real-world bandit applications are characterized by sparse rewards, which can significantly hinder learning efficiency. Leveraging problem-specific structures for careful distribution modeling is recognized as essential for improving estimation efficiency in statistics. However, this approach remains under-explored in the context of bandits. To address this gap, we initiate the study of zero-inflated bandits, where the reward is modeled using a classic semi-parametric distribution known as the zero-inflated distribution. We develop algorithms based on the Upper Confidence Bound and Thompson Sampling frameworks for this specific structure. The superior empirical performance of these methods is demonstrated through extensive numerical studies.