arXiv 机器学习· Yinan Li, Kwang-Sung Jun, Kapilan Balagopalan, Tuan Nguyen, Yao Zhao, Abbas Zaidi, Houssam Nassif·· 10 小时前AI 评分27
Halve-Then-Greedy：面向后验成功且具备近最优实例依赖性的自适应采样算法
Halve-Then-Greedy: Adaptive Sampling for Posterior Success with Near-Optimal Instance Dependence
AI 导读
研究人员提出了名为 Halve-Then-Greedy（HTG）的自适应采样算法，用于在固定预算下最大化推荐方案均值表现超过目标的后验成功概率。该算法结合了初始均衡分配、连续减半以及后验贪心采样，被证明在后验失败概率上具备有限预算下的指数级界。在单正收益臂族中，HTG 的样本复杂度在对数因子内匹配渐近下界，显著优于均匀采样和连续减半机制。
来源：arXiv 机器学习 · arxiv.org