Copertina

An Adaptive Approach for Infinitely Many-armed Bandits under Generalized Rotting Constraints

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Kim, Jung-hun, Vojnovic, Milan, Yun, Se-Young
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Oracle-Efficient Combinatorial Semi-Bandits
di: Kim, Jung-hun, et al.
Pubblicazione: (2025)

Adversarial Bandits against Arbitrary Strategies
di: Kim, Jung-hun, et al.
Pubblicazione: (2022)

Learning to Schedule in Parallel-Server Queues with Stochastic Bilinear Rewards
di: Kim, Jung-hun, et al.
Pubblicazione: (2021)

What is the Alignment Objective of GRPO?
di: Vojnovic, Milan, et al.
Pubblicazione: (2025)

Tracking Most Significant Shifts in Infinite-Armed Bandits
di: Suk, Joe, et al.
Pubblicazione: (2025)

Contextual Linear Bandits under Noisy Features: Towards Bayesian Oracles
di: Kim, Jung-hun, et al.
Pubblicazione: (2017)

Queueing Matching Bandits with Preference Feedback
di: Kim, Jung-hun, et al.
Pubblicazione: (2024)

GL-LowPopArt: A Nearly Instance-Wise Minimax-Optimal Estimator for Generalized Low-Rank Trace Regression
di: Lee, Junghyun, et al.
Pubblicazione: (2025)

Stochastic Matching Bandits with Rare Optimization Updates
di: Kim, Jung-hun, et al.
Pubblicazione: (2025)

A Jointly Efficient and Optimal Algorithm for Heteroskedastic Generalized Linear Bandits with Adversarial Corruptions
di: Kim, Sanghwa, et al.
Pubblicazione: (2026)

A Unified Confidence Sequence for Generalized Linear Models, with Applications to Bandits
di: Lee, Junghyun, et al.
Pubblicazione: (2024)

Learning in Prophet Inequalities with Noisy Observations
di: Kim, Jung-hun, et al.
Pubblicazione: (2026)

Dynamic Assortment Selection and Pricing with Censored Preference Feedback
di: Kim, Jung-hun, et al.
Pubblicazione: (2025)

Probability-Flow ODE in Infinite-Dimensional Function Spaces
di: Na, Kunwoo, et al.
Pubblicazione: (2025)

Improved Regret Bounds of (Multinomial) Logistic Bandits via Regret-to-Confidence-Set Conversion
di: Lee, Junghyun, et al.
Pubblicazione: (2023)

Optimal Control of Fluid Restless Multi-armed Bandits: A Machine Learning Approach
di: Bertsimas, Dimitris, et al.
Pubblicazione: (2025)

Adaptive Endpointing with Deep Contextual Multi-armed Bandits
di: Min, Do June, et al.
Pubblicazione: (2023)

Bridging Rested and Restless Bandits with Graph-Triggering: Rising and Rotting
di: Genalti, Gianmarco, et al.
Pubblicazione: (2024)

Flooding with Absorption: An Efficient Protocol for Heterogeneous Bandits over Complex Networks
di: Lee, Junghyun, et al.
Pubblicazione: (2023)

Multi-armed Bandits with Missing Outcome
di: Mahrooghi, Ilia, et al.
Pubblicazione: (2024)

On the Convergence of Multicalibration Gradient Boosting
di: Haimovich, Daniel, et al.
Pubblicazione: (2026)

No-Regret is not enough! Bandits with General Constraints through Adaptive Regret Minimization
di: Bernasconi, Martino, et al.
Pubblicazione: (2024)

Replicability is Asymptotically Free in Multi-armed Bandits
di: Komiyama, Junpei, et al.
Pubblicazione: (2024)

Maximal Objectives in the Multi-armed Bandit with Applications
di: Ozbay, Eren, et al.
Pubblicazione: (2020)

Offline Learning for Combinatorial Multi-armed Bandits
di: Liu, Xutong, et al.
Pubblicazione: (2025)

Distributed Linear Bandits under Communication Constraints
di: Salgia, Sudeep, et al.
Pubblicazione: (2022)

Causally Abstracted Multi-armed Bandits
di: Zennaro, Fabio Massimo, et al.
Pubblicazione: (2024)

Deceptive Exploration in Multi-armed Bandits
di: Vurankaya, I. Arda, et al.
Pubblicazione: (2025)

KLASS: KL-Guided Fast Inference in Masked Diffusion Models
di: Kim, Seo Hyun, et al.
Pubblicazione: (2025)

On the Convergence of Loss and Uncertainty-based Active Learning Algorithms
di: Haimovich, Daniel, et al.
Pubblicazione: (2023)

Fairness of Exposure in Online Restless Multi-armed Bandits
di: Sood, Archit, et al.
Pubblicazione: (2024)

Federated $\mathcal{X}$-armed Bandit with Flexible Personalisation
di: Arabzadeh, Ali, et al.
Pubblicazione: (2024)

Revisiting Early-Learning Regularization When Federated Learning Meets Noisy Labels
di: Kim, Taehyeon, et al.
Pubblicazione: (2024)

Transfer Learning for Contextual Multi-armed Bandits
di: Cai, Changxiao, et al.
Pubblicazione: (2022)

Hypernetwork-Driven Model Fusion for Federated Domain Generalization
di: Bartholet, Marc, et al.
Pubblicazione: (2024)

Temporal Alignment Guidance: On-Manifold Sampling in Diffusion Models
di: Park, Youngrok, et al.
Pubblicazione: (2025)

Locally Private Nonparametric Contextual Multi-armed Bandits
di: Ma, Yuheng, et al.
Pubblicazione: (2025)

Transfer in Sequential Multi-armed Bandits via Reward Samples
di: R, Rahul N, et al.
Pubblicazione: (2024)

Falcon: Fair Active Learning using Multi-armed Bandits
di: Tae, Ki Hyun, et al.
Pubblicazione: (2024)

Continuum-armed Bandit Optimization with Batch Pairwise Comparison Oracles
di: Chang, Xiangyu, et al.
Pubblicazione: (2025)