Компьютерная наука > Машинное обучение [представлено 4 мая 2026 (v1), последнее пересмотренное 26 октября 2026 года (эта версия, v2)) Название: Оптимальная выборочная сложность офлайновых многоармедов с KL Regulization View PDF HTML (экспериментальное) Резюме: Кульблэк-Лейблер (KL) регуляризация широко используется в процессе принятия решений на оффлайновой основе и предлагает несколько преимуществ, мотивируя недавнюю работу по выборке сложностей офшорного обучения применительно к KL-регламентализованным показателям работы. Тем не менее точная сложность выборки, связанной с формализованным офлайн-обучением KL, попрежнему в значительной степени зависит от полной картины. В настоящем документе мы изучаем этот вопрос в контексте создания многовооруженных бандитов (МБР). Мы проводим резкий анализ КЛ-ПХБ (Zhao et al., 2026), показывающий, что она достигает выборочной сложности в размере $\tilde {O}(Eta SAC__ {pi>*/\epsilon) долл. при крупной легализации $eta = tillde {О'(Епсилон {-1)] долл. США и сложности выборки $_tile {Омега}(SAC__TI {PY__*}/Epsilon/2) долл. Кроме того, мы обеспечиваем пару более острых по сложности выборок нижних границ, которые совпадают с верхними границами всего диапазона сильных сторон регулирования. В целом наши результаты дают почти полную характеристику офлайновым многовооруженным бандитам с регуляризацией KL. История представления от: Kaixuan Ji [видение электронной почты] [v1] Mon, 4 мая 2026 01:46:35 UTC (160 KB) [ v2] Mons, 26 октября 2026 22:28:23…
Оптимальная сложность выборки многовооруженных бандитов с КЛ
arXiv: 2605.02141v2 Annualce Type: заменить перекрестное резюме: упорядочение системы Kullback-Leiber (KL) широко используется в процессе принятия решений на офлайновой основе и дает ряд преимуществ, стимулирующих недавнюю работу по изучению сложности выборки дистанционного обучения с точки зрения нормализованных показателей эффективности KL. Тем не менее точная сложность выборки, связанной с формализованным офлайн-обучением KL, попрежнему в значительной степени зависит от полной картины. В настоящем документе мы изучаем этот вопрос в контексте создания многовооруженных бандитов (МБР). Мы проводим резкий анализ КЛ-ПХБ (Zhao et al., 2026), показывающий, что он достигает выборочной сложности в размере $\tilde {O}(Eta SAC__ {pi>//\epsilon) долл. при крупной легализации $eta = tillde {О'(Епсилон {-1)] долл. США и сложности выборки $_tile {Омега] [SAC__TI {PY__*}//Epsislon/2) долларов при небольшой регулярной $ETA= tilde {Оmega}[epsysilON {1} долл.