可复现对决多臂老虎机（Replicable Dueling Bandits）研究

研究者提出了首批具备次线性遗憾（sublinear regret）的可复现对决多臂老虎机算法，要求两次共享内部随机性且具备独立比较结果的运行在每轮以至少 1-ρ 的概率选出相同的有序比较对。