При изучении жадного пробоотбора: KL-Regularized Contextalual Bandits без зависимости от элюдеров и димендиций
arXiv:260019.13564v1 Annualce Type: новый резюме: Мы изучаем контекстуальные бандиты, регулируемые KL, как под вознаграждением, так и с преференциями. Мы показываем, что жадный выборок может достичь логарифмического сожаления без явной зависимости от измерения ускользающего. Для обратной связи, мы…