Enfoque de perturbación para bandidos lineales
Descubre cómo un enfoque de perturbación logra arrepentimiento óptimo en bandidos lineales no restringidos, con nuevas garantías de alta probabilidad y tasas adaptativas.
#bandidos
T-POP: Personalización en tiempo real con preferencias en línea
Descubre T-POP, personalización rápida de LLMs sin reentrenamiento usando preferencias en línea y bandidos duelistas.
Aprendizaje off-policy: optimización > estimación en grandes acciones
Descubre por qué la optimización es clave en el aprendizaje off-policy con grandes espacios de acción, y cómo los pesos de verosimilitud simplifican el proceso.
Aprendizaje de bandidos robustos con mecanismos causales inciertos
Descubre cómo evaluar y aprender políticas de bandidos robustas frente a mecanismos causales inciertos usando modelos SEM. Optimiza tus decisiones con IA.
Algoritmo mejorado para bandidos contextuales lineales adversariales
Descubre un nuevo algoritmo que logra regret casi óptimo en tiempo polinomial para bandidos contextuales lineales con pérdidas adversariales, sin necesidad de simulador.
Exploración adaptativa para bandidos con estado latente
Descubre cómo los algoritmos adaptativos mejoran la exploración en bandidos con estado latente, reduciendo el arrepentimiento dinámico mediante resúmenes y pruebas de actualización.
Cómo manejar bandidos contextuales con dinámica de estados latentes
Descubre un enfoque directo para manejar bandidos contextuales con estados latentes. Aprende cómo reducir el problema a bandidos lineales y mejorar las decisiones en entornos inciertos.
Identificación del mejor brazo: presupuesto fijo vs confianza fija
FC2FB transforma confianza fija en presupuesto fijo y demuestra igual complejidad hasta factores logarítmicos en identificación del mejor brazo.
GNEP sin intercambio de multiplicadores: robótica y aprendizaje activo
Algoritmos GNEP sin compartir multiplicadores para robótica y aprendizaje activo con bandidos contextuales. Mejora eficiencia y privacidad.
Programación de paquetes en línea con plazos y aprendizaje
Descubre cómo algoritmos de programación de paquetes en línea con plazos y aprendizaje bandido optimizan el QoS en redes, superando barreras de competitividad.
CUPID en el Zoológico de Modelos: Matchmaking Online para Elegir tu LLM Ideal
CUPID: algoritmo de bandidos duelistas para seleccionar tu LLM ideal mediante aprendizaje activo, ahorrando tiempo y costos.
Aprendizaje on-policy enfocado en decisiones para optimización lineal contextual
Nuevo método de gradiente híbrido para optimización lineal contextual con retroalimentación parcial que reduce el arrepentimiento.
Identificar-Explotar Guiado por Árboles: Bandidos Duelistas
Descubre TG-ITE, el primer marco unificado para bandidos duelistas que logra O(N) en BAI y arrepentimiento. Optimiza identificación y explotación.
Muestreo de Thompson sensible a la varianza en bandidos lineales generalizados
Nueva demostración de cotas de arrepentimiento sensibles a la varianza para el muestreo de Thompson en bandidos lineales generalizados. Análisis teórico que supera limitaciones previas.
MINTS: Muestreo Thompson Minimalista
Descubre MINTS, algoritmo de Muestreo Thompson minimalista que logra arrepentimiento casi óptimo en bandidos con restricciones. Ideal para IA y decisiones.
Softmax Recocido Greedy en Bandidos Bayesianos de Muchos Brazos
Softmax Recocido logra arrepentimiento casi óptimo en bandidos Bayesianos, explicando por qué GRPO funciona sin incertidumbre explícita.