マルチアームバンディットの後悔と不安定性の最適トレードオフを理論的に解明

arXiv cs.LG ・ 2026-08-18

原題: Toward the Optimal Regret-Instability Trade-off in Multi-Armed Bandits

AI による要約

マルチアームバンディット問題で後悔と不安定性のトレードオフの下限を理論的に証明した。新たなSLE-UCBアルゴリズムにより、後悔と不安定性の積がO(T^(3/2) log K)で抑えられることを示した。

この要約は当サイトの AI が生成したものです。正確な内容は元記事（arXiv cs.LG）をご確認ください。