Buchumschlag

Strategic Multi-Armed Bandit Problems Under Debt-Free Reporting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yahmed, Ahmed Ben, Calauzènes, Clément, Perchet, Vianney
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computer Science and Game Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Comparing Uniform Price and Discriminatory Multi-Unit Auctions through Regret Minimization
von: Potfer, Marius, et al.
Veröffentlicht: (2025)

Adaptive Bandit Algorithms for Contextual Matching Markets
von: Lin, Shiyun, et al.
Veröffentlicht: (2026)

A survey on multi-player bandits
von: Boursier, Etienne, et al.
Veröffentlicht: (2022)

Robust and Performance Incentivizing Algorithms for Multi-Armed Bandits with Strategic Agents
von: Esmaeili, Seyed A., et al.
Veröffentlicht: (2023)

Multi-Agent Combinatorial-Multi-Armed-Bandit framework for the Submodular Welfare Problem under Bandit Feedback
von: Pokhriyal, Subham, et al.
Veröffentlicht: (2026)

Stable Matching with Ties: Approximation Ratios and Learning
von: Lin, Shiyun, et al.
Veröffentlicht: (2024)

Strategic Arms with Side Communication Prevail Over Low-Regret MAB Algorithms
von: Yahmed, Ahmed Ben, et al.
Veröffentlicht: (2024)

Improved learning rates in multi-unit uniform price auctions
von: Potfer, Marius, et al.
Veröffentlicht: (2025)

Learning to Allocate Resources with Censored Feedback
von: Montanari, Giovanni, et al.
Veröffentlicht: (2026)

Multi-Armed Bandits with Minimum Aggregated Revenue Constraints
von: Yahmed, Ahmed Ben, et al.
Veröffentlicht: (2025)

Achieving PAC Guarantees in Mechanism Design through Multi-Armed Bandits
von: Osogami, Takayuki, et al.
Veröffentlicht: (2024)

Improved Algorithms for Contextual Dynamic Pricing
von: Tullii, Matilde, et al.
Veröffentlicht: (2024)

Strategic Linear Contextual Bandits
von: Buening, Thomas Kleine, et al.
Veröffentlicht: (2024)

DU-Shapley: A Shapley Value Proxy for Efficient Dataset Valuation
von: Garrido-Lucero, Felipe, et al.
Veröffentlicht: (2023)

Calibrated Forecasting and Persuasion
von: Jain, Atulya, et al.
Veröffentlicht: (2024)

The Price of Opportunity Fairness in Matroid Allocation Problems
von: Castera, Rémi, et al.
Veröffentlicht: (2024)

Strategic Filtering for Content Moderation: Free Speech or Free of Distortion?
von: Ahmadi, Saba, et al.
Veröffentlicht: (2025)

One-Shot Strategic Classification Under Unknown Costs
von: Rosenfeld, Elan, et al.
Veröffentlicht: (2023)

Feature-Based Online Bilateral Trade
von: Gaucher, Solenne, et al.
Veröffentlicht: (2024)

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

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

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

Incentivized Truthful Communication for Federated Bandits
von: Wei, Zhepei, et al.
Veröffentlicht: (2024)

Differentially Private Auditing Under Strategic Response
von: Burnat, Florian A. D.
Veröffentlicht: (2026)

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

A Benchmark for Strategic Auditee Gaming Under Continuous Compliance Monitoring
von: Burnat, Florian A. D., et al.
Veröffentlicht: (2026)

Protocols for Verifying Smooth Strategies in Bandits and Games
von: Christ, Miranda, et al.
Veröffentlicht: (2025)

Incentive-compatible Bandits: Importance Weighting No More
von: Zimmert, Julian, et al.
Veröffentlicht: (2024)

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

Bayesian Strategic Classification
von: Cohen, Lee, et al.
Veröffentlicht: (2024)

Truthful Reverse Auctions for Adaptive Selection via Contextual Multi-Armed Bandits
von: Patra, Pronoy, et al.
Veröffentlicht: (2026)

Two-Player Zero-Sum Games with Bandit Feedback
von: Yılmaz, Elif, et al.
Veröffentlicht: (2025)

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

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

Strategizing against No-regret Learners
von: Deng, Yuan, et al.
Veröffentlicht: (2019)

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

Addressing Bias in Online Selection with Limited Budget of Comparisons
von: Benomar, Ziyad, et al.
Veröffentlicht: (2023)

Improved Regret Bounds for Online Fair Division with Bandit Learning
von: Schiffer, Benjamin, et al.
Veröffentlicht: (2025)

Nearly-Optimal Bandit Learning in Stackelberg Games with Side Information
von: Balcan, Maria-Florina, et al.
Veröffentlicht: (2025)

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