Реклама

Один раз, оценить многие: многомерная оценка политики для стохастических линейных бандитов

#Annuales #Type #PRISMA

arXiv:2610.22252v1 Annuales Type: cross резюме: Мы изучаем, как одновременно оценивать целевую политику в размере $K$ в стохастических контекстуальных бандитах с линейной структурой вознаграждения. С учетом известной карты параметров в долларовом выражении и свободного от вознаграждения доступа к…