Buchumschlag

Multiplayer Information Asymmetric Bandits in Metric Spaces

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chang, William, Karthik, Aditi
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

Multiplayer Information Asymmetric Contextual Bandits
von: Chang, William, et al.
Veröffentlicht: (2025)

Multiplayer Bandit Learning, from Competition to Cooperation
von: Brânzei, Simina, et al.
Veröffentlicht: (2019)

From Random Search to Bandit Learning in Metric Measure Spaces
von: Han, Chuying, et al.
Veröffentlicht: (2023)

Multiplayer Federated Learning: Reaching Equilibrium with Less Communication
von: Yoon, TaeHo, et al.
Veröffentlicht: (2025)

Linear Bandits beyond Inner Product Spaces, the case of Bandit Optimal Transport
von: Croissant, Lorenzo
Veröffentlicht: (2025)

Asymmetric Graph Error Control with Low Complexity in Causal Bandits
von: Peng, Chen, et al.
Veröffentlicht: (2024)

On Generation in Metric Spaces
von: Li, Jiaxun, et al.
Veröffentlicht: (2026)

Contextual Bandits with Packing and Covering Constraints: A Modular Lagrangian Approach via Regression
von: Slivkins, Aleksandrs, et al.
Veröffentlicht: (2022)

Optimal Best Arm Identification with Fixed Confidence in Restless Bandits
von: Karthik, P. N., et al.
Veröffentlicht: (2023)

The Minimal Search Space for Conditional Causal Bandits
von: Simoes, Francisco N. F. Q., et al.
Veröffentlicht: (2025)

Bandit Simulation for Average Reward Inference
von: Praharaj, Samya, et al.
Veröffentlicht: (2026)

Transformers in the Dark: Navigating Unknown Search Spaces via Bandit Feedback
von: Kim, Jungtaek, et al.
Veröffentlicht: (2026)

Improved Regret for Bandit Convex Optimization with Delayed Feedback
von: Wan, Yuanyu, et al.
Veröffentlicht: (2024)

An Asymmetric Independence Model for Causal Discovery on Path Spaces
von: Manten, Georg, et al.
Veröffentlicht: (2025)

Optimizing Multidimensional Scaling in Gini Metric Spaces
von: Mussard, Cassandra, et al.
Veröffentlicht: (2026)

An Information-Theoretic Analysis of Thompson Sampling for Logistic Bandits
von: Gouverneur, Amaury, et al.
Veröffentlicht: (2024)

On Bits and Bandits: Quantifying the Regret-Information Trade-off
von: Shufaro, Itai, et al.
Veröffentlicht: (2024)

Information Capacity Regret Bounds for Bandits with Mediator Feedback
von: Eldowa, Khaled, et al.
Veröffentlicht: (2024)

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

Securing Equal Share: A Principled Approach for Learning Multiplayer Symmetric Games
von: Ge, Jiawei, et al.
Veröffentlicht: (2024)

Contextual Bandits with Budgeted Information Reveal
von: Gan, Kyra, et al.
Veröffentlicht: (2023)

Few Batches or Little Memory, But Not Both: Simultaneous Space and Adaptivity Constraints in Stochastic Bandits
von: Huang, Ruiyuan, et al.
Veröffentlicht: (2026)

Generalized Low-Rank Matrix Contextual Bandits with Graph Information
von: Wang, Yao, et al.
Veröffentlicht: (2025)

Empirical Bound Information-Directed Sampling for Norm-Agnostic Bandits
von: Suder, Piotr M., et al.
Veröffentlicht: (2025)

Exploiting Concavity Information in Gaussian Process Contextual Bandit Optimization
von: Li, Kevin, et al.
Veröffentlicht: (2025)

Gauge Freedom and Metric Dependence in Neural Representation Spaces
von: Cain, Jericho
Veröffentlicht: (2026)

Multimodal Bandits: Regret Lower Bounds and Optimal Algorithms
von: Réveillard, William, et al.
Veröffentlicht: (2025)

Annealed Softmax Greedy in Many-Armed Bayesian Bandits
von: Overman, William, et al.
Veröffentlicht: (2026)

Canonical Variates in Wasserstein Metric Space
von: Li, Jia, et al.
Veröffentlicht: (2024)

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

Autoregressive Bandits
von: Bacchiocchi, Francesco, et al.
Veröffentlicht: (2022)

Blocking Bandits
von: Basu, Soumya, et al.
Veröffentlicht: (2019)

Efficient Algorithms for Logistic Contextual Slate Bandits with Bandit Feedback
von: Goyal, Tanmay, et al.
Veröffentlicht: (2025)

HR-Bandit: Human-AI Collaborated Linear Recourse Bandit
von: Cao, Junyu, et al.
Veröffentlicht: (2024)

Bayesian Bandit Algorithms with Approximate Inference in Stochastic Linear Bandits
von: Huang, Ziyi, et al.
Veröffentlicht: (2024)

Lipschitz Dueling Bandits over Continuous Action Spaces
von: Sharma, Mudit, et al.
Veröffentlicht: (2026)

Representative Action Selection for Large Action Space Bandit Families
von: Zhou, Quan, et al.
Veröffentlicht: (2025)

GINO-Q: Learning an Asymptotically Optimal Index Policy for Restless Multi-armed Bandits
von: Chen, Gongpu, et al.
Veröffentlicht: (2024)

BanditQ: Fair Bandits with Guaranteed Rewards
von: Sinha, Abhishek
Veröffentlicht: (2023)

Learning with Limited Shared Information in Multi-agent Multi-armed Bandit
von: Shao, Junning, et al.
Veröffentlicht: (2025)