Ускорение линейных бандитов с стойкими кандидатами

arXiv: 2610.13407v1 Annuate Type: New Habstract: Исчерпывающая оптимистическая оценка может сделать выбор действий дорогостоящим для линейных бандитов с большим фиксированным набором мер в размере $K, требующих оценки баллов в размере 4 долл. США за раунд. Мы введем " LinUCB &qt; ( < Постоянно выдвигаемый кандидат > &got; ), который поддерживает активные действия и выборки кандидатов на сумму в 1 долл. США, единообразные из оставшихся действий на каждом раунде. Выбивая только этих кандидатов в размере $k+q долл., formula_crussc {PC-LinUCB} сокращает количество баллов на один раунд до \mathcal {O}(к + q) долларов. Мы устанавливаем не зависящие от проблем и связанные с проблемами рамки высокого вероятности сожаления, включающие стандартный термин обучения линейным диапазоном и дополнительные затраты на открытие порядка $\mathcal {O} lost((K-k)/log (K- k)/q#light) долларов при фиксированной уверенности. В частности, эти дополнительные расходы не растут с учетом перспектив. В случае фиксированных пробелов и достаточно длинных горизонтов мы установим $\Omega\слест(K-k)/q·right) долл.