m-Set 对抗 Bandits 的胜者反馈研究

论文给出 m-Set 对抗 bandits 在不同效用（胜者奖励或奖励之和）与反馈模型（胜者索引、胜者奖励、奖励之和及其组合）下的 regret 上下界。与标准组合 bandits 和 MNL bandits 的界对比显示，设定的细微变化会显著影响学习速率；主要技术贡献是 regret 的信息论下界，合成数据实验验证了理论分析。