离线到在线线性 Bandit 的高斯宽度界

研究人员针对离线到在线随机线性 Bandit 学习提出了更紧的遗憾界。在 $d$ 维特征中仅有 $k$ 个方向覆盖不足的局部覆盖设定下，该研究借助高斯向量的 Lipschitz 函数集中不等式，开发出遗憾界达 $\widetilde O(k\sqrt T)$ 的分阶段消除算法，优于既有的 $\widetilde O(\sqrt{dkT})$ 界。