Buchumschlag

Non-stochastic Bandits With Evolving Observations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bar-On, Yogev, Mansour, Yishay
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Optimal Regret for Policy Optimization in Contextual Bandits
von: Levy, Orin, et al.
Veröffentlicht: (2026)

Near-optimal Regret Using Policy Optimization in Online MDPs with Aggregate Bandit Feedback
von: Lancewicki, Tal, et al.
Veröffentlicht: (2025)

Collaborating in Multi-Armed Bandits with Strategic Agents
von: Barnea, Idan, et al.
Veröffentlicht: (2026)

Batch Ensemble for Variance Dependent Regret in Stochastic Bandits
von: Cassel, Asaf, et al.
Veröffentlicht: (2024)

Individual Regret in Cooperative Stochastic Multi-Armed Bandits
von: Barnea, Idan, et al.
Veröffentlicht: (2024)

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

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

The Real Price of Bandit Information in Multiclass Classification
von: Erez, Liad, et al.
Veröffentlicht: (2024)

Fast Rates for Bandit PAC Multiclass Classification
von: Erez, Liad, et al.
Veröffentlicht: (2024)

Rising Rested MAB with Linear Drift
von: Amichay, Omer, et al.
Veröffentlicht: (2025)

Competing Bandits: The Perils of Exploration Under Competition
von: Aridor, Guy, et al.
Veröffentlicht: (2020)

Modeling Attrition in Recommender Systems with Departing Bandits
von: Ben-Porat, Omer, et al.
Veröffentlicht: (2022)

How to Boost Any Loss Function
von: Nock, Richard, et al.
Veröffentlicht: (2024)

The Sample Complexity of Multiclass and Sparse Contextual Bandits
von: Erez, Liad, et al.
Veröffentlicht: (2026)

The Horizon Threshold in Cooperative Multi-Agent Reward-Free Exploration
von: Barnea, Idan, et al.
Veröffentlicht: (2026)

Theoretical Foundations and Effective Algorithms for Policy-Aware Simulator Learning
von: Dann, Christoph, et al.
Veröffentlicht: (2026)

A Characterization of Semi-Supervised Adversarially-Robust PAC Learnability
von: Attias, Idan, et al.
Veröffentlicht: (2022)

Online Learning in MDPs with Partially Adversarial Transitions and Losses
von: Schlisselberg, Ofir, et al.
Veröffentlicht: (2026)

Convergence of Policy Mirror Descent Beyond Compatible Function Approximation
von: Sherman, Uri, et al.
Veröffentlicht: (2025)

Convergence and Sample Complexity of First-Order Methods for Agnostic Reinforcement Learning
von: Sherman, Uri, et al.
Veröffentlicht: (2025)

Delay as Payoff in MAB
von: Schlisselberg, Ofir, et al.
Veröffentlicht: (2024)

Probably Approximately Precision and Recall Learning
von: Cohen, Lee, et al.
Veröffentlicht: (2024)

Near-Optimal Regret for Policy Optimization in Contextual MDPs with General Offline Function Approximation
von: Levy, Orin, et al.
Veröffentlicht: (2026)

Eluder-based Regret for Stochastic Contextual MDPs
von: Levy, Orin, et al.
Veröffentlicht: (2022)

The Hidden Cost of Approximation in Online Mirror Descent
von: Schlisselberg, Ofir, et al.
Veröffentlicht: (2025)

Online Set Learning from Precision and Recall Feedback
von: Cohen, Lee, et al.
Veröffentlicht: (2026)

Rate-Optimal Policy Optimization for Linear Markov Decision Processes
von: Sherman, Uri, et al.
Veröffentlicht: (2023)

Bayesian Perspective on Memorization and Reconstruction
von: Kaplan, Haim, et al.
Veröffentlicht: (2025)

A Theoretical Framework for Statistical Evaluability of Generative Models
von: Aiyer, Shashaank, et al.
Veröffentlicht: (2026)

Learning-Augmented Algorithms with Explicit Predictors
von: Elias, Marek, et al.
Veröffentlicht: (2024)

Rate-Preserving Reductions for Blackwell Approachability
von: Dann, Christoph, et al.
Veröffentlicht: (2024)

Cost-Aware Learning
von: Mohri, Clara, et al.
Veröffentlicht: (2026)

Fast Inference via Hierarchical Speculative Decoding
von: Mohri, Clara, et al.
Veröffentlicht: (2025)

Learnability Gaps of Strategic Classification
von: Cohen, Lee, et al.
Veröffentlicht: (2024)

Scale-Sensitive Shattering: Learnability and Evaluability at Optimal Scale
von: Aiyer, Shashaank, et al.
Veröffentlicht: (2026)

A Tight Lower Bound for Non-stochastic Multi-armed Bandits with Expert Advice
von: Chase, Zachary, et al.
Veröffentlicht: (2025)

Preferences Evolve And So Should Your Bandits: Bandits with Evolving States for Online Platforms
von: Khosravi, Khashayar, et al.
Veröffentlicht: (2023)

Learning from Equivalence Queries, Revisited
von: Braverman, Mark, et al.
Veröffentlicht: (2026)

On Mitigating Affinity Bias through Bandits with Evolving Biased Feedback
von: Faw, Matthew, et al.
Veröffentlicht: (2025)

Sample Complexity of Agnostic Multiclass Classification: Natarajan Dimension Strikes Back
von: Cohen, Alon, et al.
Veröffentlicht: (2025)