集中式序列独裁匹配强盗中的精确后悔边界与外部性调度

该研究聚焦集中式序列独裁匹配强盗中的外部性问题。在已知公共优先级和高斯奖励假设下，将 Graves-Lai 约束简化为有限成对探索配额。在顶选择分离实例上，精确可达的对数后悔系数集合为 G(θ)X(θ)；通常上闭 Graves-Lai 区域可能更大，但 Pareto 极小边界相同。研究指出相同探索配额因调度不同可导致差异极大的后悔，并构造了估计-求解-追踪策略，在全行严格类上一致可达每个固定正权最优。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。