提出了一种适用于多臂老虎机和强化学习的EQO+算法与统一的分布遗憾分析框架,推导了全置信水平下的遗憾分布界,首次证实了Lattimore等人的最优遗憾猜想,并实现了期望性能与尾部风险的最优权衡。
机构:华盛顿大学
来源:arXiv 2605.05102 | AI4Papers 论文推荐平台