Buchumschlag

Bandits with Anytime Knapsacks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Elumar, Eray Can, Tekin, Cem, Yagan, Osman
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Cost-aware LLM-based Online Dataset Annotation
von: Elumar, Eray Can, et al.
Veröffentlicht: (2025)

On Balancing Sparsity with Reliable Connectivity in Distributed Network Design with Random K-out Graphs
von: Sood, Mansi, et al.
Veröffentlicht: (2025)

Pairwise Elimination with Instance-Dependent Guarantees for Bandits with Cost Subsidy
von: Juneja, Ishank, et al.
Veröffentlicht: (2025)

Cost-Ordered Feasibility for Multi-Armed Bandits with Cost Subsidy
von: Juneja, Ishank, et al.
Veröffentlicht: (2026)

Federated Multi-Armed Bandits Under Byzantine Attacks
von: Saday, Artun, et al.
Veröffentlicht: (2022)

Robust Satisficing Gaussian Process Bandits Under Adversarial Attacks
von: Saday, Artun, et al.
Veröffentlicht: (2025)

Contextual Combinatorial Bandits with Changing Action Sets via Gaussian Processes
von: Nika, Andi, et al.
Veröffentlicht: (2021)

Vector Optimization with Gaussian Process Bandits
von: Korkmaz, İlter Onat, et al.
Veröffentlicht: (2024)

Multi-User mmWave Beam and Rate Adaptation via Combinatorial Satisficing Bandits
von: Özyıldırım, Emre, et al.
Veröffentlicht: (2026)

Robust Pareto Set Identification with Contaminated Bandit Feedback
von: Korkmaz, İlter Onat, et al.
Veröffentlicht: (2022)

FedSPD: A Soft-clustering Approach for Personalized Decentralized Federated Learning
von: Lin, I-Cheng, et al.
Veröffentlicht: (2024)

High-dimensional Linear Bandits with Knapsacks
von: Ma, Wanteng, et al.
Veröffentlicht: (2023)

Episodic Contextual Bandits with Knapsacks under Conversion Models
von: Cheung, Wang Chi, et al.
Veröffentlicht: (2025)

MNL-Bandit with Knapsacks: a near-optimal algorithm
von: Aznag, Abdellah, et al.
Veröffentlicht: (2021)

Provable Anytime Ensemble Sampling Algorithms in Nonlinear Contextual Bandits
von: Sun, Jiazheng, et al.
Veröffentlicht: (2025)

An Experimental Design for Anytime-Valid Causal Inference on Multi-Armed Bandits
von: Liang, Biyonka, et al.
Veröffentlicht: (2023)

Beyond Grids: Multi-objective Bayesian Optimization With Adaptive Discretization
von: Nika, Andi, et al.
Veröffentlicht: (2020)

Quantum Algorithms for Bandits with Knapsacks with Improved Regret and Time Complexities
von: Su, Yuexin, et al.
Veröffentlicht: (2025)

Achieving Logarithmic Regret in KL-Regularized Zero-Sum Markov Games
von: Nayak, Anupam, et al.
Veröffentlicht: (2025)

Blind Network Revenue Management and Bandits with Knapsacks under Limited Switches
von: Simchi-Levi, David, et al.
Veröffentlicht: (2019)

An Anytime Algorithm for Good Arm Identification
von: Jourdan, Marc, et al.
Veröffentlicht: (2023)

Anytime-Valid Conformal Risk Control
von: Hultberg, Bror, et al.
Veröffentlicht: (2026)

Anytime Neural Architecture Search on Tabular Data
von: Xing, Naili, et al.
Veröffentlicht: (2024)

Anytime-Competitive Reinforcement Learning with Policy Prior
von: Yang, Jianyi, et al.
Veröffentlicht: (2023)

VOPy: A Framework for Black-box Vector Optimization
von: Yıldırım, Yaşar Cahit, et al.
Veröffentlicht: (2024)

Rate-optimal Design for Anytime Best Arm Identification
von: Komiyama, Junpei, et al.
Veröffentlicht: (2025)

Towards Anytime-Valid Statistical Watermarking
von: Huang, Baihe, et al.
Veröffentlicht: (2026)

Contextual Decision-Making with Knapsacks Beyond the Worst Case
von: Chen, Zhaohua, et al.
Veröffentlicht: (2022)

Anytime Acceleration of Gradient Descent
von: Zhang, Zihan, et al.
Veröffentlicht: (2024)

Optimal Anytime Algorithms for Online Convex Optimization with Adversarial Constraints
von: Sarkar, Dhruv, et al.
Veröffentlicht: (2025)

Learning to Bet for Horizon-Aware Anytime-Valid Testing
von: Taga, Ege Onur, et al.
Veröffentlicht: (2026)

Differentiable Knapsack and Top-k Operators via Dynamic Programming
von: Vivier-Ardisson, Germain, et al.
Veröffentlicht: (2026)

You Only Look Once at Anytime (AnytimeYOLO): Analysis and Optimization of Early-Exits for Object-Detection
von: Kuhse, Daniel, et al.
Veröffentlicht: (2025)

Anytime-Constrained Reinforcement Learning
von: McMahan, Jeremy, et al.
Veröffentlicht: (2023)

SORTeD Rashomon Sets of Sparse Decision Trees: Anytime Enumeration
von: Arslan, Elif, et al.
Veröffentlicht: (2025)

An Optimistic Algorithm for online CMDPS with Anytime Adversarial Constraints
von: Zhu, Jiahui, et al.
Veröffentlicht: (2025)

Anytime-valid, Bayes-assisted, Prediction-Powered Inference
von: Kilian, Valentin, et al.
Veröffentlicht: (2025)

Anytime Sequential Halving in Monte-Carlo Tree Search
von: Sagers, Dominic, et al.
Veröffentlicht: (2024)

Anytime Optimal Decision Tree Learning with Continuous Features
von: Kiossou, Harold, et al.
Veröffentlicht: (2026)

Open Problem: Anytime Convergence Rate of Gradient Descent
von: Kornowski, Guy, et al.
Veröffentlicht: (2024)