Copertina

Improved Regret Bounds for Online Fair Division with Bandit Learning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Schiffer, Benjamin, Zhang, Shirley
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computer Science and Game Theory Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Honor Among Bandits: No-Regret Learning for Online Fair Division
di: Procaccia, Ariel D., et al.
Pubblicazione: (2024)

Metritocracy: Representative Metrics for Lite Benchmarks
di: Procaccia, Ariel, et al.
Pubblicazione: (2025)

Multi-Apartment Rent Division
di: Procaccia, Ariel D., et al.
Pubblicazione: (2024)

Doubly Optimal No-Regret Online Learning in Strongly Monotone Games with Bandit Feedback
di: Ba, Wenjia, et al.
Pubblicazione: (2021)

Regret Analysis of Sleeping Competing Bandits
di: Uba, Shinnosuke, et al.
Pubblicazione: (2026)

p-Mean Regret for Stochastic Bandits
di: Krishna, Anand, et al.
Pubblicazione: (2024)

Dynamic Regret Bounds for Online Omniprediction with Long Term Constraints
di: Bechavod, Yahav, et al.
Pubblicazione: (2025)

Clone-Robust AI Alignment
di: Procaccia, Ariel D., et al.
Pubblicazione: (2025)

Geometry Meets Incentives: Sample-Efficient Incentivized Exploration with Linear Contexts
di: Schiffer, Benjamin, et al.
Pubblicazione: (2025)

The Relationship between No-Regret Learning and Online Conformal Prediction
di: Ramalingam, Ramya, et al.
Pubblicazione: (2025)

Strategic Littlestone Dimension: Improved Bounds on Online Strategic Classification
di: Ahmadi, Saba, et al.
Pubblicazione: (2024)

Online Learning for Uninformed Markov Games: Empirical Nash-Value Regret and Non-Stationarity Adaptation
di: Liu, Junyan, et al.
Pubblicazione: (2026)

No-Regret Learning for Fair Multi-Agent Social Welfare Optimization
di: Zhang, Mengxiao, et al.
Pubblicazione: (2024)

Learning not to Regret
di: Sychrovský, David, et al.
Pubblicazione: (2023)

Last-Iterate Convergence of No-Regret Learning for Equilibria in Bargaining Games
di: Kamp, Serafina, et al.
Pubblicazione: (2025)

Online Learning with Bounded Recall
di: Schneider, Jon, et al.
Pubblicazione: (2022)

Finding Common Ground in a Sea of Alternatives
di: Chooi, Jay, et al.
Pubblicazione: (2026)

Nearly Tight Regret Bounds for Profit Maximization in Bilateral Trade
di: Di Gregorio, Simone, et al.
Pubblicazione: (2025)

Tight Regret Bounds for Bilateral Trade under Semi Feedback
di: Jin, Yaonan
Pubblicazione: (2026)

Computational Lower Bounds for Regret Minimization in Normal-Form Games
di: Anagnostides, Ioannis, et al.
Pubblicazione: (2024)

Scale-Invariant Regret Matching and Online Learning with Optimal Convergence: Bridging Theory and Practice in Zero-Sum Games
di: Zhang, Brian Hu, et al.
Pubblicazione: (2025)

Truthful Fair Division under Stochastic Valuations
di: Halpern, Daniel, et al.
Pubblicazione: (2026)

Proximal Regret and Proximal Correlated Equilibria: A New Tractable Solution Concept for Online Learning and Games
di: Cai, Yang, et al.
Pubblicazione: (2025)

Online Budget Allocation with Censored Semi-Bandit Feedback
di: Bachoc, François, et al.
Pubblicazione: (2025)

Fair Online Bilateral Trade
di: Bachoc, François, et al.
Pubblicazione: (2024)

An Efficient Black-Box Reduction from Online Learning to Multicalibration, and a New Route to $Φ$-Regret Minimization
di: Farina, Gabriele, et al.
Pubblicazione: (2026)

Barriers to Welfare Maximization with No-Regret Learning
di: Anagnostides, Ioannis, et al.
Pubblicazione: (2024)

Tight Regret Upper and Lower Bounds for Optimistic Hedge in Two-Player Zero-Sum Games
di: Tsuchiya, Taira
Pubblicazione: (2025)

Meta-Learning in Self-Play Regret Minimization
di: Sychrovský, David, et al.
Pubblicazione: (2025)

Bandit Learning in Matching Markets: Utilitarian and Rawlsian Perspectives
di: Hosseini, Hadi, et al.
Pubblicazione: (2024)

Improved Bandits in Many-to-one Matching Markets with Incentive Compatibility
di: Kong, Fang, et al.
Pubblicazione: (2024)

Do LLM Agents Have Regret? A Case Study in Online Learning and Games
di: Park, Chanwoo, et al.
Pubblicazione: (2024)

Fundamental Bounds on Online Strategic Classification
di: Ahmadi, Saba, et al.
Pubblicazione: (2023)

On the Optimality of Dilated Entropy and Lower Bounds for Online Learning in Extensive-Form Games
di: Fan, Zhiyuan, et al.
Pubblicazione: (2024)

ReLExS: Reinforcement Learning Explanations for Stackelberg No-Regret Learners
di: Huang, Xiangge, et al.
Pubblicazione: (2024)

No-Regret Learning in Bilateral Trade via Global Budget Balance
di: Bernasconi, Martino, et al.
Pubblicazione: (2023)

Incentivized Learning in Principal-Agent Bandit Games
di: Scheid, Antoine, et al.
Pubblicazione: (2024)

Autobidders with Budget and ROI Constraints: Efficiency, Regret, and Pacing Dynamics
di: Lucier, Brendan, et al.
Pubblicazione: (2023)

Full Swap Regret and Discretized Calibration
di: Fishelson, Maxwell, et al.
Pubblicazione: (2025)

Regret Analysis of Repeated Delegated Choice
di: Hajiaghayi, MohammadTaghi, et al.
Pubblicazione: (2023)