09:58
arXiv cs.LG@Negin Golrezaei, Sourav Sahoo
推荐理由：这篇论文解决了有预算限制下在线拍卖竞价的理论问题，用DAG算法实现了亚线性遗憾，适合对拍卖理论和在线学习感兴趣的人。
全部 AI 动态
AI 相关资讯全量信息流
6月30日
09:58
本文研究多单元歧视性拍卖中重复竞价问题，单一投标人每轮效用为价值减去α倍支付（α∈[0,1]为资金成本参数），目标是在总预算B下最大化T轮累计效用。通过单位效用分解，论文提出基于有向无环图（DAG）的多项式时间学习算法，在全信息和赌博机反馈下均实现亚线性遗憾。在赌博机设置下，由于完全交叉学习，遗憾与上下文数量无关：观察到所选动作在实现上下文下的效用即可揭示同一动作在所有反事实上下文下的效用。当预算约束下平均归一化每轮预算ρ=B/(MT)<1时，设计耦合原对偶算法，DAG过程使用对偶调整边权重进行原始更新，在线梯度下降更新对偶变量，得到ρ近似亚线性遗憾。最后给出逐轮时间和空间与上下文数量无关的实现，可扩展至大规模甚至无限上下文空间。
6月16日
20:46
AITOP6月16日 20:46
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07