Feb, 2025
线性上下文赌博中的近似最优隐私学习
Near-Optimal Private Learning in Linear Contextual Bandits
TL;DR本研究解决了广义线性上下文赌博中的隐私学习问题。我们提出了一种基于重新加权回归的新方法，开发了高效的算法，达到了$\sqrt{T}+\frac{1}{\alpha}$和$\sqrt{T}/\alpha$的后悔界限。我们的结果表明，在所考虑的所有设置中，联合隐私几乎是“免费”的，部分解决了Azize和Basu（2024）提出的开放问题。