arXiv · Statistics Machine Learning· Avishek Ghosh·· 4 hr agoAI score21
多臂老虎机的 Nash 社会福利：轨迹式期望与高概率遗憾
Nash Social Welfare for Multi Armed Bandits: Trajectory-wise Expected and High Probability Regret
AI brief
该研究针对公平多臂老虎机问题，提出轨迹式 Nash 遗憾 $\widetilde{\mathrm{NR}}_T$ 与高概率 Nash 遗憾 $\widehat{\mathrm{NR}}_T$，在完整样本路径上计算几何平均，弥补现有定义忽略各轮奖励联合分布的不足。
Source: arXiv · Statistics Machine Learning · arxiv.org