IJCAIApr, 2022

有限共享资源臂的多人多臂赌博机：学习算法与应用

PDF
TL;DR本研究提出 Multi-player multi-armed bandits with shareable resources 模型，针对共享资源的两种反馈信号提出 DPE-SDI 和 SIC-SDA 算法，证明它们的遗憾数在回合数上是紧的，并通过模拟验证算法的性能和在无线网络和边缘计算中的实用性。
multi-playermulti-armed banditsshareable resourcesfeedbackregret
发现论文，激发创造
  • 增强的 H 一致性界

    基于条件遗憾的关系，我们提出了一种通用框架来建立增强的 H 一致性边界，这些边界不仅包括现有结果的特例，还能在各种情况下导出更有利的边界，例如：标准多类分类、Tsybakov 噪声条件下的二元和多类分类以及二部排序。

    Jul, 2024

  • 学习同质数据定价

    我们研究了一个数据定价问题，卖家可以通过重复市场交易来学习最大化收益的定价曲线，利用新的离散化方案，我们在随机和对抗性情境下实现了较小的后悔值。

    Jul, 2024

  • 通过弱差分隐私在线学习实现纳什激励兼容性在线机制学习

    在多轮机制设计中，我们研究了一个与一组代理进行交互的问题，想要设计一种激励相容的在线学习方案，在给定的机制类别中最大化特定应用目标，而不需要先验知识从而导致整个学习过程对于多轮出现的非近视买家来说不是激励相容的。

    Jul, 2024

  • MJ-Bench: 您的多模态奖励模型真的是进行文本生成图像的好判断器吗？

    多模态评委通过提供反馈来评估图像生成模型的四个关键方面：对齐性、安全性、图像质量和偏见，并发现了近源 VLM 在平均上提供更好的反馈。

    Jul, 2024

  • 利用细粒度自然语言反馈进行学习优化

    使用三个不同的大型语言模型 (LMM) 能力，通过细粒度的自然语言反馈和排除错误提高事实一致性，优于现有端到端细化方法和当前未经调整的模型。

    Jul, 2024

  • 强盗之中的荣誉：面向在线公平分配的无遗憾学习

    通过探索 - 执行算法设计实现在线公平分配研究，解决基于多臂赌博携带公平约束的未知价值非可分配商品的社会福利最大化问题.

    Jul, 2024

  • 利用大型语言模型进行可行课程评估 —— 学生对讲师的反馈

    使用开源生成型 AI 合成学生反馈的事实性、可操作性和恰当性总结，为教师提供成本效益的支持，以增强教学实践的可行性。

    Jul, 2024

  • 因果型赌博机：适应性的帕累托最优前沿，相对于线性赌博机的简化以及对未知边际分布的限制

    本文研究了多臂赌博问题中适应因果结构的问题，探讨了条件性有利结构和任意环境中学习性能的权衡关系，并通过将问题转化为线性赌博设置，首次获得了因果赌博的实例相关界。

    Jul, 2024

  • 公平稳定的在线分配的主动学习

    我们探索了一种用于动态公平资源分配问题的主动学习方法，该方法假设在在线资源分配过程的每个时期，仅从选择的代理人子集中获取反馈。尽管存在这种限制，我们提出的算法在包括资源分配问题中常用的公平度量和匹配机制中的稳定性考虑等各种度量中，提供了与时间周期数次线性相关的后悔界限。我们算法的关键洞察在于通过利用对决性的上限和下限置信区间来自适应地识别最具信息量的反馈。通过这种策略，我们证明高效的决策不需要大量的反馈，并为各种问题类别产生高效的结果。

    Jun, 2024

  • EduQate: 在教育场景中通过 RMABs 生成自适应课程

    开发个性化和适应性教育工具的过程中，探索如何以高效方式跨多样但相关内容实现知识掌握成为关键。本论文引入了名为 EdNetRMABs 的 Education Network Restless Multi-armed Bandits，利用网络表示学习内容间的相互关系，并通过 EduQate 方法，使用具有相互依赖性的 Q 学习在每个时间步骤中做出明智的选择，并通过与基准策略对比使用合成和真实数据建模的学生来证明其有效性。

    Jun, 2024