論文の概要: When May a Bandit Leave Its Anchor? E-Process-Authorized Thompson Sampling under Non-stationarity
- arxiv url: http://arxiv.org/abs/2610.03646v1
- Date: Fri, 02 Oct 2026 17:31:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:14:30.519545
- Title: When May a Bandit Leave Its Anchor? E-Process-Authorized Thompson Sampling under Non-stationarity
- Title（参考訳）: バンディットがアンカーを去るのはいつか?-非定常状態下でのE-Process-Authorized Thompsonサンプリング
- Abstract要約: 定常性はメモリに報酬を与えるが、変更後に同じ履歴が誤解を招くことがある。
Eプロセス認可型トンプソンサンプリング(e-ATS)は各腕のフルヒストリーとディスカウントされたベータ状態を与える。
- 参考スコア（独自算出の注目度）: 0.35584048111733296
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Stationarity rewards memory, but after a change the same history can mislead. We ask when forgetting should be permitted. E-process-authorized Thompson sampling (e-ATS) gives each arm full-history and discounted Beta states. An anytime-valid e-process first authorizes the discounted state, then a reversible relevance score controls its influence. Before authorization, e-ATS exactly follows optimistic Thompson sampling (OTS). Under a Beta-Bernoulli prior-predictive stationary model, e-ATS's probability of ever departing from OTS is at most the chosen $α_E$, without fitted thresholds. Relative to e-ATS, removing authorization increased mean normalized dynamic pseudo-regret by $38.4\%$ on the registered suite but reduced it by $7.5\%$ on the literature-derived replay suite. Therefore, evidence controls when adaptation begins, not whether it always helps.
- Abstract（参考訳）: 定常性はメモリに報酬を与えるが、変更後に同じ履歴が誤解を招くことがある。
私たちはいつ忘れることが許されるべきか尋ねる。
Eプロセス認可型トンプソンサンプリング(e-ATS)は各腕のフルヒストリーとディスカウントされたベータ状態を与える。
任意の有価電子プロセスは、まず割引された状態を認可し、その後、可逆関連スコアがその影響を制御する。
e-ATSは承認前、楽観的なトンプソンサンプリング(OTS)に従っていた。
Beta-Bernoulli の事前予測定常モデルでは、ETS が OTS から離脱する確率は、最低でもα_E$ であり、しきい値が設定されていない。
e-ATSとは対照的に、許可を取り除いたことで、登録されたスイートでは38.4\%の正規化された動的擬似レグレットが増加し、文献由来のリプレイスイートでは7.5\%の値が下げられた。
したがって、エビデンスは常に有効であるかどうかに関わらず、適応が開始されたときに制御される。
関連論文リスト
- TPBench: A Turning-Point Benchmark for Dialogue Compression [7.339235574084628]
なぜなら、そのスコアはユーザーが最初に望んだものと、今望むものとを混ぜているからだ。
TPBenchは,共用名目保持予算において3つの補完的情報目標を評価する。
論文 参考訳（メタデータ） (2026-10-02T03:08:15Z) - Randomized Exploration for Linear Bandits via Absolute Perturbations [29.1817020301259]
絶対トンプソンサンプリング(Absolute Thompson Sampling、ATS)は、トンプソンサンプリング(TS)の単純な修正であり、期待する際の楽観性を保証する。
ATS は $tildeO(d3/2sqrtK)$ regret を達成する。
Ensemble Absolute Thompson Sampling (EATS) は、アンサンブルサイズによる正規化を伴う複数の絶対摂動の最大値を取る。
論文 参考訳（メタデータ） (2026-06-26T21:22:17Z) - Capacity-Constrained Online Convex Optimization with Delayed Feedback [58.59385794080679]
容量制約下での遅延オンライン凸最適化(OCO)について検討した。
1次フィードバックの場合、容量$C = (log T)$ sufficesで標準遅延OCOレートを対数係数まで回復できることがわかった。
包帯フィードバックの場合、後悔率は$(1 + _textmax/C)$で変調される。
論文 参考訳（メタデータ） (2026-06-10T06:37:06Z) - PFN-TS: Thompson Sampling for Contextual Bandits via Prior-Data Fitted Networks [7.188084723389871]
我々は,PFN後続予測を平均逆サンプルに変換するトンプソンサンプリングアルゴリズムであるPFN-TSを提案する。
PFN-TSは、非線形合成およびOpenML分類帯域間ベンチマークで最高の平均ランクを達成している。
論文 参考訳（メタデータ） (2026-05-11T07:46:10Z) - Variance-Aware Feel-Good Thompson Sampling for Contextual Bandits [54.220839560203096]
FGTSVA, 変分対応型トンプソンサンプリングアルゴリズムを提案する。
新しいデカップリング係数を$mathrmdc$で表すと、FGTS-VAは$tildeO(sqrtmathrmdccdotlog|mathcalF|$)を後悔する。
文脈線形帯域の設定において、FGTSVAの後悔境界は UCB ベースと一致する
論文 参考訳（メタデータ） (2025-11-03T23:25:41Z) - Bayesian Algorithms for Adversarial Online Learning: from Finite to Infinite Action Spaces [51.513172647831745]
オンライン学習のためのフォーム・トンプソン・サンプリングをフルフィードバックで開発する。
我々は、後悔の分解を、学習者が先入観を期待したことを後悔させ、また、過度な後悔と呼ぶ先延ばし的な用語を示します。
論文 参考訳（メタデータ） (2025-02-20T18:10:12Z) - Discounted Thompson Sampling for Non-Stationary Bandit Problems [13.656518163592349]
NS-MAB(Non-stationary multi-armed bandit)問題も最近注目されている。
非定常条件の両方に対処するため,ガウシアン先行値を用いたディスカウントトンプソンサンプリング(DS-TS)を提案する。
我々のアルゴリズムは、トンプソンサンプリングに割引係数を組み込むことにより、変化に順応的に適応する。
論文 参考訳（メタデータ） (2023-05-18T05:29:52Z) - Autoregressive Bandits [58.46584210388307]
本稿では,オンライン学習環境であるAutoregressive Banditsを提案する。
報酬プロセスの軽微な仮定の下では、最適ポリシーを便利に計算できることが示される。
次に、新しい楽観的後悔最小化アルゴリズム、すなわちAutoRegressive Upper Confidence Bound (AR-UCB)を考案し、$widetildemathcalO left( frac(k+1)3/2sqrtnT (1-G)のサブ線形後悔を被る。
論文 参考訳（メタデータ） (2022-12-12T21:37:36Z)
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。