論文の概要: Few-for-Many Best-Arm Identification in Multi-Objective Bandits

• arxiv url: http://arxiv.org/abs/2610.16840v1
• Date: Mon, 12 Oct 2026 14:18:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.384827
• Title: Few-for-Many Best-Arm Identification in Multi-Objective Bandits
• Title（参考訳）: 多目的帯域におけるBest-Arm識別
• Abstract要約: 現実世界のシステムは、しばしば多くの目的を達成するが、ノイズの多いフィードバックからパフォーマンスを学ばなければならないいくつかのオプションしか展開できない。 目的的最適度から重み付けられた最悪の劣化を最小限に抑えるために,小セットの腕を求めるEmphfew-for-Manyベストアーム識別を導入する。 本研究は, 実環境における実環境および実環境における実験により, 対象物間での観測結果の共有が, サンプリングコストを大幅に削減できることを実証した。
• 参考スコア（独自算出の注目度）: 14.12644903516567
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real-world systems often serve many objectives but can deploy only a few options, whose performance must be learned from noisy feedback. Modeling each option as an arm in a multi-objective bandit, we introduce \emph{few-for-many best-arm identification}, which seeks a small set of arms minimizing the worst weighted degradation from the objective-wise optima, rather than the best arm for every objective. We consider both known objective groups and latent groups specified only by a representative budget, and propose \textsc{GFM-Elim} and \textsc{AFM-Elim} with instance-dependent sample-complexity guarantees. For Gaussian rewards, we further derive a lower bound for the latent-group setting and show that it is asymptotically attainable with high probability by an oracle-based Track-and-Stop procedure. Our results show that sharing observations across objectives and ignoring irrelevant objective-wise distinctions can substantially reduce the sampling cost, as confirmed by experiments on synthetic and real-world tasks.
• Abstract（参考訳）: 現実世界のシステムは、しばしば多くの目的を達成するが、ノイズの多いフィードバックからパフォーマンスを学ばなければならないいくつかのオプションしか展開できない。 多目的バンディットにおける各オプションをアームとしてモデル化し、目的ごとのベストアームではなく、目的ごとのベストアームよりも、目的ごとのオプティマから最悪の重み付けされた劣化を最小化するための小さなアームセットを求める「emph{few-for-many best-arm identification」を導入する。 我々は,代表予算のみで指定される既知目的群と潜伏群の両方を考慮し,インスタンス依存のサンプル・複雑性保証を伴うtextsc{GFM-Elim} と \textsc{AFM-Elim} を提案する。 ガウス的報酬に対しては、潜在群設定に対する下界を導出し、オラクルベースのトラック・アンド・ストップ法により漸近的に高い確率で達成可能であることを示す。 本研究は, 対象物間での観察と無関係な目的物区別を無視することで, サンプリングコストを大幅に削減できることを示すものである。

関連論文リスト

• When More Objectives Make Identification Easier: The Role of Preferences and Feedback [22.00731129192197]
  ベストアーム識別(BAI)は、できるだけ少数のサンプルを用いて最適な腕を特定することを目的としている。 本稿では,複数の目的がBAIをより容易にするためのタイミングと理由を特徴付ける。
  論文  参考訳（メタデータ） (2026-10-13T15:42:39Z)
• When Exploration Comes for Free with Mixture-Greedy: Do we need UCB in Diversity-Aware Multi-Armed Bandits? [18.528635656824864]
  明示的な UCB 型最適化を伴わない簡単な emphMixture-Greedy 戦略はより高速に収束し,より優れた性能が得られることを示す。 透明な構造条件下では、多様性を意識した目的は内部混合物を好んで暗黙的な探索を引き起こす。 これらの結果は,多様性を意識したモデル選択のためのマルチアーム帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状帯状
  論文  参考訳（メタデータ） (2026-03-23T08:59:45Z)
• Multi-Objective Coverage via Constraint Active Search [8.977841680385627]
  我々は,代表サンプルの小さな集合を特定することを目的として,新たな多目的カバレッジ(MOC)問題を定式化する。 楽観的なサンプルを選択するために,高信頼度境界ベース獲得関数を用いた新しい検索アルゴリズムMOC-CASを提案する。 競合ベースラインと比較して,我々のMOC-CASはSARS-CoV-2および癌に対する大規模タンパク質ターゲットデータセットに対して,経験的に優れた性能を発揮することを示す。
  論文  参考訳（メタデータ） (2026-02-17T14:07:16Z)
• Bounded Rationality for LLMs: Satisficing Alignment at Inference-Time [52.230936493691985]
  本稿では,2次基準のしきい値に基づく制約を満たしつつ,主目的を最大化し,アライメントの多面性に対処する推論フレームワークSITAlignを提案する。 我々は、満足度に基づく推論アライメントアプローチの準最適境界を導出することで理論的洞察を提供する。
  論文  参考訳（メタデータ） (2025-05-29T17:56:05Z)
• Optimal Multi-Objective Best Arm Identification with Fixed Confidence [62.36929749450298]
  我々は、各アームが選択時にM$Dのベクトル報酬を得られる多腕バンディット設定を考える。 最終的なゴールは、最も短い(予想される)時間において、エラーの確率の上限に従属する全ての目的の最良のアームを特定することである。 本稿では,各ステップでアームをサンプリングするために,エミュロゲート比例という新しいアイデアを用いたアルゴリズムを提案し,各ステップにおける最大最小最適化問題を解く必要をなくした。
  論文  参考訳（メタデータ） (2025-01-23T12:28:09Z)
• Reward Maximization for Pure Exploration: Minimax Optimal Good Arm Identification for Nonparametric Multi-Armed Bandits [35.35226227009685]
  グッドアーム識別(グッドアームアイソレーション、英: Good Arm Identification、IGA)は、腕をできるだけ早くしきい値以上の手段でラベル付けすることを目的とした、実用的なバンドイット推論の目的である。 本稿では,報奨最大化サンプリングアルゴリズムと新たな非有意シーケンシャルテストを組み合わせることで,GAを効率よく解くことができることを示す。 我々の実験結果は、ミニマックス設定を超えるアプローチを検証し、すべての停止時間におけるサンプルの期待数を、合成および実世界の設定で少なくとも50%削減する。
  論文  参考訳（メタデータ） (2024-10-21T01:19:23Z)
• Best Arm Identification with Minimal Regret [55.831935724659175]
  最高の腕識別問題 優雅にアマルガメートは、最小化とBAIを後悔している。 エージェントの目標は、所定の信頼度で最高の腕を特定することである。 二重KL-UCBアルゴリズムは、信頼度がゼロになる傾向があるため、最適性を達成する。
  論文  参考訳（メタデータ） (2024-09-27T16:46:02Z)
• Dropout-Based Rashomon Set Exploration for Efficient Predictive Multiplicity Estimation [15.556756363296543]
  予測多重性(英: Predictive multiplicity)とは、ほぼ等しい最適性能を達成する複数の競合モデルを含む分類タスクを指す。 本稿では,Rashomon 集合のモデル探索にドロップアウト手法を利用する新しいフレームワークを提案する。 本手法は, 予測多重度推定の有効性の観点から, ベースラインを一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2024-02-01T16:25:00Z)
• Pure Exploration under Mediators' Feedback [63.56002444692792]
  マルチアームバンディット(Multi-armed bandits)は、各インタラクションステップにおいて、学習者が腕を選択し、報酬を観察する、シーケンシャルな意思決定フレームワークである。 本稿では,学習者が仲介者の集合にアクセスできるシナリオについて考察する。 本稿では,学習者には仲介者の方針が知られていると仮定して,最適な腕を発見するための逐次的意思決定戦略を提案する。
  論文  参考訳（メタデータ） (2023-08-29T18:18:21Z)

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。