Papers12:38
Chinese contentarXiv 新论文：BHO 算法处理奖励依赖延迟的多臂老虎机问题搞在线学习或多臂老虎机的值得看这篇：延迟反馈但不知道奖励来自哪一轮的场景很常见，论文提出的 BHO 算法不依赖最优臂报告也能控住遗憾，还给了配套下界，理论上把可行边界画清楚了，做算法研究或推荐系统延迟归因的可以拿来对照自己的设定。
搞在线学习或多臂老虎机的值得看这篇：延迟反馈但不知道奖励来自哪一轮的场景很常见，论文提出的 BHO 算法不依赖最优臂报告也能控住遗憾，还给了配套下界，理论上把可行边界画清楚了，做算法研究或推荐系统延迟归因的可以拿来对照自己的设定。