Buchumschlag

Adversarial Bandits with Multi-User Delayed Feedback: Theory and Application

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Yandi, Guo, Jianxiong, Li, Yupeng, Wang, Tian, Jia, Weijia
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Biased Dueling Bandits with Stochastic Delayed Feedback
von: Yi, Bongsoo, et al.
Veröffentlicht: (2024)

Regret Bounds for Adversarial Contextual Bandits with General Function Approximation and Delayed Feedback
von: Levy, Orin, et al.
Veröffentlicht: (2025)

Lipschitz Bandits with Stochastic Delayed Feedback
von: Liu, Zhongxuan, et al.
Veröffentlicht: (2025)

Provably Efficient Reinforcement Learning for Adversarial Restless Multi-Armed Bandits with Unknown Transitions and Bandit Feedback
von: Xiong, Guojun, et al.
Veröffentlicht: (2024)

A Fast Task Offloading Optimization Framework for IRS-Assisted Multi-Access Edge Computing System
von: Wu, Jianqiu, et al.
Veröffentlicht: (2023)

Linear and Neural Dueling Bandits with Delayed Feedback
von: Wang, Xiangyi, et al.
Veröffentlicht: (2026)

Bandit and Delayed Feedback in Online Structured Prediction
von: Shibukawa, Yuki, et al.
Veröffentlicht: (2025)

Graph Feedback Bandits with Similar Arms
von: Qi, Han, et al.
Veröffentlicht: (2024)

Improved Regret for Bandit Convex Optimization with Delayed Feedback
von: Wan, Yuanyu, et al.
Veröffentlicht: (2024)

Online Nonsubmodular Optimization with Delayed Feedback in the Bandit Setting
von: Yang, Sifan, et al.
Veröffentlicht: (2025)

Neural Contextual Bandits Under Delayed Feedback Constraints
von: Moghimi, Mohammadali, et al.
Veröffentlicht: (2025)

Constrained Feedback Learning for Non-Stationary Multi-Armed Bandits
von: Li, Shaoang, et al.
Veröffentlicht: (2025)

Improved Algorithm for Adversarial Linear Mixture MDPs with Bandit Feedback and Unknown Transition
von: Li, Long-Fei, et al.
Veröffentlicht: (2024)

Improved Best-of-Both-Worlds Regret for Bandits with Delayed Feedback
von: Schlisselberg, Ofir, et al.
Veröffentlicht: (2025)

A Best-of-both-worlds Algorithm for Bandits with Delayed Feedback with Robustness to Excessive Delays
von: Masoudian, Saeed, et al.
Veröffentlicht: (2023)

Stochastic Submodular Bandits with Delayed Composite Anonymous Bandit Feedback
von: Pedramfar, Mohammad, et al.
Veröffentlicht: (2023)

Adversarial Multi-dueling Bandits
von: Gajane, Pratik
Veröffentlicht: (2024)

Merit-based Fair Combinatorial Semi-Bandit with Unrestricted Feedback Delays
von: Chen, Ziqun, et al.
Veröffentlicht: (2024)

Multi-User Contextual Cascading Bandits for Personalized Recommendation
von: Park, Jiho, et al.
Veröffentlicht: (2025)

Adversarial Attacks on Combinatorial Multi-Armed Bandits
von: Balasubramanian, Rishab, et al.
Veröffentlicht: (2023)

Cascading Bandits Robust to Adversarial Corruptions
von: Xie, Jize, et al.
Veröffentlicht: (2025)

Empowering Edge Intelligence: A Comprehensive Survey on On-Device AI Models
von: Wang, Xubin, et al.
Veröffentlicht: (2025)

Graph Feedback Bandits on Similar Arms: With and Without Graph Structures
von: Qi, Han, et al.
Veröffentlicht: (2025)

Beating Adversarial Low-Rank MDPs with Unknown Transition and Bandit Feedback
von: Liu, Haolin, et al.
Veröffentlicht: (2024)

Adapting to Stochastic and Adversarial Losses in Episodic MDPs with Aggregate Bandit Feedback
von: Ito, Shinji, et al.
Veröffentlicht: (2025)

Nearly Optimal Algorithms for Contextual Dueling Bandits from Adversarial Feedback
von: Di, Qiwei, et al.
Veröffentlicht: (2024)

Online Conformal Abstention for Factuality Control Under Adversarial Bandit Feedback
von: Lee, Minjae, et al.
Veröffentlicht: (2025)

Multi-Agent Stochastic Bandits Robust to Adversarial Corruptions
von: Ghaffari, Fatemeh, et al.
Veröffentlicht: (2024)

Stealthy Adversarial Attacks on Stochastic Multi-Armed Bandits
von: Wang, Zhiwei, et al.
Veröffentlicht: (2024)

Contextual Linear Bandits with Delay as Payoff
von: Zhang, Mengxiao, et al.
Veröffentlicht: (2025)

Pure Exploration for a Good Policy in Reinforcement Learning with Bandit Feedback
von: Li, Zitian, et al.
Veröffentlicht: (2026)

Bi-Level Contextual Bandits for Individualized Resource Allocation under Delayed Feedback
von: Almasi, Mohammadsina, et al.
Veröffentlicht: (2025)

Multi-thresholding Good Arm Identification with Bandit Feedback
von: Jiang, Xuanke, et al.
Veröffentlicht: (2025)

Robust Linear Dueling Bandits with Post-serving Context under Unknown Delays and Adversarial Corruptions
von: Oh, Youngmin
Veröffentlicht: (2026)

On Characterizing Learnability for Adversarial Noisy Bandits
von: Hanneke, Steve, et al.
Veröffentlicht: (2026)

Preference is More Than Comparisons: Rethinking Dueling Bandits with Augmented Human Feedback
von: Wang, Shengbo, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning-Based User Scheduling for Collaborative Perception
von: Liu, Yandi, et al.
Veröffentlicht: (2025)

Heterogeneous Multi-Player Multi-Armed Bandits Robust To Adversarial Attacks
von: Magesh, Akshayaa, et al.
Veröffentlicht: (2025)

Online Influence Maximization: Concept and Algorithm
von: Guo, Jianxiong
Veröffentlicht: (2023)

Nearest Neighbour with Bandit Feedback
von: Pasteris, Stephen, et al.
Veröffentlicht: (2023)