保守上下文对决老虎机：基线约束下的偏好学习

论文提出两种满足基线安全约束的对决老虎机算法。

资讯摘要

论文研究保守上下文对决老虎机，要求每轮展示较优选项的累计得分不低于可信基线的(1-α)比例，得分定义为击败当前最优选项的概率，约束只依赖效用差。作者指出直接套用CLUCB的安全检验可能带来线性遗憾，并提出MaxInP-BC与BTIGW-BC两种算法，分别针对线性效用与一般效用类，给出高概率安全与遗憾界。实验显示两者满足约束，遗憾代价适中。

要点速读

1. 论文提出保守上下文对决老虎机设定：每轮较优展示项的累计得分需保持在可信基线(1-α)比例以上，约束仅依赖效用差。
2. 作者报告直接沿用CLUCB的安全检验可能产生线性遗憾，即使基线效用已知；为此提出MaxInP-BC（线性效用）和BTIGW-BC（一般效用类）。
3. 实验称两种算法满足约束，而对应的非约束算法常违反约束，遗憾代价适中。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。