論文の概要: Online Convex Optimization with Dueling Feedback

• arxiv url: http://arxiv.org/abs/2608.15050v1
• Date: Sat, 15 Aug 2026 05:26:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.172567
• Title: Online Convex Optimization with Dueling Feedback
• Title（参考訳）: デューリングフィードバックによるオンライン凸最適化
• Abstract要約: 本研究では,オンライン凸最適化をデュエル(ペアワイズ比較)フィードバックを用いて検討し,学習者は2点間の二項選好のみを問う。 本稿では,デュエルフィードバックを近似勾配に変換するシンプルな還元法を提案する。 この還元の下では、後悔は転送を保証し、$mathcalO(T3/4)$ static, adapt, and dynamic regretを含むこの設定の最初の結果をもたらす。
• 参考スコア（独自算出の注目度）: 40.61353645255313
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We study online convex optimization with dueling (pairwise comparison) feedback, where the learner observes only a binary preference between two queried points. While dueling feedback is well understood in discrete or stochastic settings, the adversarial convex setting has remained unexplored. We propose a simple reduction that converts dueling feedback into approximate gradients, enabling the use of standard first-order methods. We show that regret guarantees transfer under this reduction, yielding the first results for this setting, including $\mathcal{O}(T^{3/4})$ static, adaptive, and dynamic regret. Under additional structure, we obtain improved rates of $\mathcal{O}(T^{2/3})$ for smooth objectives and $\mathcal{O}(\sqrt{T \log T})$ for strongly convex functions.
• Abstract（参考訳）: 本研究では,オンライン凸最適化をデュエル(ペアワイズ)フィードバックを用いて検討し,学習者は2つの問合せ点間の二項選好のみを観察する。 デュエルフィードバックは離散的あるいは確率的な設定ではよく理解されているが、対向凸設定は未探索のままである。 本稿では,デュエルフィードバックを近似勾配に変換するシンプルな還元法を提案する。 この還元の下では、後悔は移動を保証し、$\mathcal{O}(T^{3/4})$ static, adapt, and dynamic regretを含む最初の結果をもたらす。 さらに、滑らかな目的に対して$\mathcal{O}(T^{2/3})$と強凸関数に対して$\mathcal{O}(\sqrt{T \log T})$の改善率を得る。

関連論文リスト

• Optimal High-Probability Regret for Online Convex Optimization with Two-Point Bandit Feedback [17.238068736229014]
  本稿では,2点帯域幅フィードバックによるオンライン凸最適化の問題点について考察する。 O(d(log T + log (1/))/)$$$$$-strongly convex loss。
  論文  参考訳（メタデータ） (2026-03-26T04:52:19Z)
• Methods for Convex $(L_0,L_1)$-Smooth Optimization: Clipping, Acceleration, and Adaptivity [50.25258834153574]
  我々は、(強に)凸 $(L0)$-smooth 関数のクラスに焦点を当て、いくつかの既存のメソッドに対する新しい収束保証を導出する。 特に,スムーズなグラディエント・クリッピングを有するグラディエント・ディフレッシュと,ポリアク・ステップサイズを有するグラディエント・ディフレッシュのコンバージェンス・レートの改善を導出した。
  論文  参考訳（メタデータ） (2024-09-23T13:11:37Z)
• Stochastic Zeroth-Order Optimization under Strongly Convexity and Lipschitz Hessian: Minimax Sample Complexity [59.75300530380427]
  本稿では,アルゴリズムが検索対象関数の雑音評価にのみアクセス可能な2次スムーズかつ強い凸関数を最適化する問題を考察する。 本研究は, ミニマックス単純後悔率について, 一致した上界と下界を発達させることにより, 初めて厳密な評価を行ったものである。
  論文  参考訳（メタデータ） (2024-06-28T02:56:22Z)
• Two-Timescale Optimization Framework for Sparse-Feedback Linear-Quadratic Optimal Control [3.746304628644379]
  The $mathcalHfeedback$-guaranteed sparse-feedback linear-quadratic (LQ) optimal control with convex parameterization and convex-bounded uncertainty。
  論文  参考訳（メタデータ） (2024-06-17T03:17:33Z)
• Faster Convergence with Multiway Preferences [99.68922143784306]
  本稿では,符号関数に基づく比較フィードバックモデルについて考察し,バッチとマルチウェイの比較による収束率の解析を行う。 本研究は,マルチウェイ選好による凸最適化の問題を初めて研究し,最適収束率を解析するものである。
  論文  参考訳（メタデータ） (2023-12-19T01:52:13Z)
• Universal Online Learning with Gradient Variations: A Multi-layer Online Ensemble Approach [57.92727189589498]
  本稿では,2段階の適応性を持つオンライン凸最適化手法を提案する。 我々は$mathcalO(log V_T)$, $mathcalO(d log V_T)$, $hatmathcalO(sqrtV_T)$ regret bounds for strong convex, exp-concave and convex loss function。
  論文  参考訳（メタデータ） (2023-07-17T09:55:35Z)
• Adaptivity and Non-stationarity: Problem-dependent Dynamic Regret for Online Convex Optimization [70.4342220499858]
  本稿では,スムーズさを生かし,問題依存量による動的後悔のT$への依存を補う新しいオンラインアルゴリズムを提案する。 この結果が本質的な難易度に適応しているのは, 既往の結果よりも厳密であり, 最悪の場合, 同一レートの保護が可能であるからである。
  論文  参考訳（メタデータ） (2021-12-29T02:42:59Z)
• High-probability Bounds for Non-Convex Stochastic Optimization with Heavy Tails [55.561406656549686]
  我々は、勾配推定が末尾を持つ可能性のある一階アルゴリズムを用いたヒルベルト非最適化を考える。 本研究では, 勾配, 運動量, 正規化勾配勾配の収束を高確率臨界点に収束させることと, 円滑な損失に対する最もよく知られた繰り返しを示す。
  論文  参考訳（メタデータ） (2021-06-28T00:17:01Z)
• Boosting One-Point Derivative-Free Online Optimization via Residual Feedback [28.679167097106813]
  オンライン最適化のための新しい一点フィードバック手法を提案する。 残差フィードバックを用いることで,従来の一点フィードバック法に比べてはるかに小さな分散が得られることを示す。 私たちの後悔の限界は、従来の一点フィードバックのZOに対する既存の後悔の限界よりも厳格です。
  論文  参考訳（メタデータ） (2020-10-14T19:52:25Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。