Salvato in:
| Autori principali: | Xie, Jize, Chen, Cheng, Wang, Zhiyong, Li, Shuai |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | https://arxiv.org/abs/2502.08077 |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Multi-Agent Stochastic Bandits Robust to Adversarial Corruptions
di: Ghaffari, Fatemeh, et al.
Pubblicazione: (2024)
di: Ghaffari, Fatemeh, et al.
Pubblicazione: (2024)
A Near-optimal, Scalable and Parallelizable Framework for Stochastic Bandits Robust to Adversarial Corruptions and Beyond
di: Hu, Zicheng, et al.
Pubblicazione: (2025)
di: Hu, Zicheng, et al.
Pubblicazione: (2025)
Variance-Dependent Regret Bounds for Non-stationary Linear Bandits
di: Wang, Zhiyong, et al.
Pubblicazione: (2024)
di: Wang, Zhiyong, et al.
Pubblicazione: (2024)
Online Learning to Rank under Corruption: A Robust Cascading Bandits Approach
di: Ghaffari, Fatemeh, et al.
Pubblicazione: (2025)
di: Ghaffari, Fatemeh, et al.
Pubblicazione: (2025)
Robust Decentralized Multi-armed Bandits: From Corruption-Resilience to Byzantine-Resilience
di: Hu, Zicheng, et al.
Pubblicazione: (2025)
di: Hu, Zicheng, et al.
Pubblicazione: (2025)
Online Clustering of Dueling Bandits
di: Wang, Zhiyong, et al.
Pubblicazione: (2025)
di: Wang, Zhiyong, et al.
Pubblicazione: (2025)
Federated Contextual Cascading Bandits with Asynchronous Communication and Heterogeneous Users
di: Yang, Hantao, et al.
Pubblicazione: (2024)
di: Yang, Hantao, et al.
Pubblicazione: (2024)
Robust and Computationally Efficient Linear Contextual Bandits under Adversarial Corruption and Heavy-Tailed Noise
di: Tani, Naoto, et al.
Pubblicazione: (2026)
di: Tani, Naoto, et al.
Pubblicazione: (2026)
Robust Linear Dueling Bandits with Post-serving Context under Unknown Delays and Adversarial Corruptions
di: Oh, Youngmin
Pubblicazione: (2026)
di: Oh, Youngmin
Pubblicazione: (2026)
Heavy-tailed Linear Bandits: Adversarial Robustness, Best-of-both-worlds, and Beyond
di: Zhao, Canzhe, et al.
Pubblicazione: (2025)
di: Zhao, Canzhe, et al.
Pubblicazione: (2025)
Corruption-Robust Linear Bandits: Minimax Optimality and Gap-Dependent Misspecification
di: Liu, Haolin, et al.
Pubblicazione: (2024)
di: Liu, Haolin, et al.
Pubblicazione: (2024)
Stochastic Bandits Robust to Adversarial Attacks
di: Wang, Xuchuang, et al.
Pubblicazione: (2024)
di: Wang, Xuchuang, et al.
Pubblicazione: (2024)
A Jointly Efficient and Optimal Algorithm for Heteroskedastic Generalized Linear Bandits with Adversarial Corruptions
di: Kim, Sanghwa, et al.
Pubblicazione: (2026)
di: Kim, Sanghwa, et al.
Pubblicazione: (2026)
Robust Distribution Learning with Local and Global Adversarial Corruptions
di: Nietert, Sloan, et al.
Pubblicazione: (2024)
di: Nietert, Sloan, et al.
Pubblicazione: (2024)
Constructing Adversarial Examples for Vertical Federated Learning: Optimal Client Corruption through Multi-Armed Bandit
di: Yao, Duanyi, et al.
Pubblicazione: (2024)
di: Yao, Duanyi, et al.
Pubblicazione: (2024)
Corruption-Robust Algorithms with Uncertainty Weighting for Nonlinear Contextual Bandits and Markov Decision Processes
di: Ye, Chenlu, et al.
Pubblicazione: (2022)
di: Ye, Chenlu, et al.
Pubblicazione: (2022)
Towards Robust Model-Based Reinforcement Learning Against Adversarial Corruption
di: Ye, Chenlu, et al.
Pubblicazione: (2024)
di: Ye, Chenlu, et al.
Pubblicazione: (2024)
Efficient and Optimal Policy Gradient Algorithm for Corrupted Multi-armed Bandits
di: Liu, Jiayuan, et al.
Pubblicazione: (2025)
di: Liu, Jiayuan, et al.
Pubblicazione: (2025)
Communication-Corruption Coupling and Verification in Cooperative Multi-Objective Bandits
di: Shi, Ming
Pubblicazione: (2026)
di: Shi, Ming
Pubblicazione: (2026)
Federated Linear Dueling Bandits
di: Huang, Xuhan, et al.
Pubblicazione: (2025)
di: Huang, Xuhan, et al.
Pubblicazione: (2025)
Cascade-KDE: Robust Time-Series Restoration under Out-of-Distribution Impulse Corruptions
di: Liu, Yuefeng, et al.
Pubblicazione: (2026)
di: Liu, Yuefeng, et al.
Pubblicazione: (2026)
Combinatorial Multivariant Multi-Armed Bandits with Applications to Episodic Reinforcement Learning and Beyond
di: Liu, Xutong, et al.
Pubblicazione: (2024)
di: Liu, Xutong, et al.
Pubblicazione: (2024)
Cascading Bandits With Feedback
di: Prakash, R Sri, et al.
Pubblicazione: (2025)
di: Prakash, R Sri, et al.
Pubblicazione: (2025)
Adversarial Bandit over Bandits: Hierarchical Bandits for Online Configuration Management
di: Avin, Chen, et al.
Pubblicazione: (2025)
di: Avin, Chen, et al.
Pubblicazione: (2025)
Optimal Analysis for Bandit Learning in Matching Markets with Serial Dictatorship
di: Wang, Zilong, et al.
Pubblicazione: (2025)
di: Wang, Zilong, et al.
Pubblicazione: (2025)
Learning with Monotone Adversarial Corruptions
di: Larsen, Kasper Green, et al.
Pubblicazione: (2026)
di: Larsen, Kasper Green, et al.
Pubblicazione: (2026)
On Characterizing Learnability for Adversarial Noisy Bandits
di: Hanneke, Steve, et al.
Pubblicazione: (2026)
di: Hanneke, Steve, et al.
Pubblicazione: (2026)
Heterogeneous Multi-Player Multi-Armed Bandits Robust To Adversarial Attacks
di: Magesh, Akshayaa, et al.
Pubblicazione: (2025)
di: Magesh, Akshayaa, et al.
Pubblicazione: (2025)
Towards More Robust and Accurate Sequential Recommendation with Cascade-guided Adversarial Training
di: Tan, Juntao, et al.
Pubblicazione: (2023)
di: Tan, Juntao, et al.
Pubblicazione: (2023)
RANSAC Revisited: An Improved Algorithm for Robust Subspace Recovery under Adversarial and Noisy Corruptions
di: Chen, Guixian, et al.
Pubblicazione: (2025)
di: Chen, Guixian, et al.
Pubblicazione: (2025)
Adversarial Bandit Optimization with Globally Bounded Perturbations to Linear Losses
di: Cheng, Zhuoyu, et al.
Pubblicazione: (2026)
di: Cheng, Zhuoyu, et al.
Pubblicazione: (2026)
Robust Satisficing Gaussian Process Bandits Under Adversarial Attacks
di: Saday, Artun, et al.
Pubblicazione: (2025)
di: Saday, Artun, et al.
Pubblicazione: (2025)
Decentralized Asynchronous Multi-player Bandits
di: Fan, Jingqi, et al.
Pubblicazione: (2025)
di: Fan, Jingqi, et al.
Pubblicazione: (2025)
Regret Bounds for Noise-Free Cascaded Kernelized Bandits
di: Li, Zihan, et al.
Pubblicazione: (2022)
di: Li, Zihan, et al.
Pubblicazione: (2022)
Adversarial Multi-dueling Bandits
di: Gajane, Pratik
Pubblicazione: (2024)
di: Gajane, Pratik
Pubblicazione: (2024)
Adversarial Bandits with Multi-User Delayed Feedback: Theory and Application
di: Li, Yandi, et al.
Pubblicazione: (2023)
di: Li, Yandi, et al.
Pubblicazione: (2023)
Robust Batched Bandits
di: Guo, Yunwen, et al.
Pubblicazione: (2025)
di: Guo, Yunwen, et al.
Pubblicazione: (2025)
Stress-Testing ML Pipelines with Adversarial Data Corruption
di: Zhu, Jiongli, et al.
Pubblicazione: (2025)
di: Zhu, Jiongli, et al.
Pubblicazione: (2025)
FedProphet: Memory-Efficient Federated Adversarial Training via Robust and Consistent Cascade Learning
di: Tang, Minxue, et al.
Pubblicazione: (2024)
di: Tang, Minxue, et al.
Pubblicazione: (2024)
Disagreement-Regularized Importance Sampling for Adversarial Label Corruption
di: Horváth, Csongor, et al.
Pubblicazione: (2026)
di: Horváth, Csongor, et al.
Pubblicazione: (2026)
Documenti analoghi
-
Multi-Agent Stochastic Bandits Robust to Adversarial Corruptions
di: Ghaffari, Fatemeh, et al.
Pubblicazione: (2024) -
A Near-optimal, Scalable and Parallelizable Framework for Stochastic Bandits Robust to Adversarial Corruptions and Beyond
di: Hu, Zicheng, et al.
Pubblicazione: (2025) -
Variance-Dependent Regret Bounds for Non-stationary Linear Bandits
di: Wang, Zhiyong, et al.
Pubblicazione: (2024) -
Online Learning to Rank under Corruption: A Robust Cascading Bandits Approach
di: Ghaffari, Fatemeh, et al.
Pubblicazione: (2025) -
Robust Decentralized Multi-armed Bandits: From Corruption-Resilience to Byzantine-Resilience
di: Hu, Zicheng, et al.
Pubblicazione: (2025)