Отбор проб " Odds-Ratio Topmpon: A Specification and Design Guide for Contrast-Barmed Bandits ( < «Одды - Ратио Томпсон: руководство по разработке противопоставляемых многослойных бандитов > &got; )

arXiv: 2609.19709v1 Annuate Type: New Habrial: Batded Multile Wolliters обновляет график работы, и обычное осуществление предполагает абсолютную ставку вознаграждения для каждой руки от одного обновления к другому. Когда общий уровень двигается между партиями, эта память становится скучной даже несмотря на то что сопоставления между руками могут не иметь. Вместо этого Odds-Ratio Topmpon Place (OR-TS) несет суставы на loged contributions и соответствует общему уровню в каждой партии, вытесняя его. В этом документе указывается, что обновление, помещение его в байезийский бандитский агент с двумя контрольными устройствами, разложение на то, сколько прошлых улик пережило обновление и агрессивность за то, как резко перераспределяется вера, и оценка его по отношению к абсолютному уровню памяти. В 86 публичных сериях A/B уровень колеблется в 25 раз больше, чем контраст. В заранее определенных синтетических средах движущийся уровень стоит абсолютное количество памяти в пять раз больше, чем сожаление и оставляет лучшую руку ниже большинства трафа