Copertina

Collaborative Min-Max Regret in Grouped Multi-Armed Bandits

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Blanchard, Moïse, Goyal, Vineet
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

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

Graph-Dependent Regret Bounds in Multi-Armed Bandits with Interference
di: Jamshidi, Fateme, et al.
Pubblicazione: (2025)

Bandit Max-Min Fair Allocation
di: Harada, Tsubasa, et al.
Pubblicazione: (2025)

Unified Framework of Distributional Regret in Multi-Armed Bandits and Reinforcement Learning
di: Lee, Harin, et al.
Pubblicazione: (2026)

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

Stochastic Multi-Objective Multi-Armed Bandits: Regret Definition and Algorithm
di: Davoodi, Mansoor, et al.
Pubblicazione: (2025)

Near-Optimal Regret for KL-Regularized Multi-Armed Bandits
di: Ji, Kaixuan, et al.
Pubblicazione: (2026)

On the Benefits of Free Exploration for Regret Minimization in Multi-Armed Bandits
di: Hou, Yunlong, et al.
Pubblicazione: (2026)

Asymptotically and Minimax Optimal Regret Bounds for Multi-Armed Bandits with Abstention
di: Yang, Junwen, et al.
Pubblicazione: (2024)

Understanding Memory-Regret Trade-Off for Streaming Stochastic Multi-Armed Bandits
di: He, Yuchen, et al.
Pubblicazione: (2024)

Materials Discovery using Max K-Armed Bandit
di: Kikkawa, Nobuaki, et al.
Pubblicazione: (2022)

Multi-Armed Bandits with Interference
di: Jia, Su, et al.
Pubblicazione: (2024)

Imprecise Multi-Armed Bandits
di: Kosoy, Vanessa
Pubblicazione: (2024)

Agnostic Smoothed Online Learning without Knowledge of the Base Measure
di: Blanchard, Moïse
Pubblicazione: (2024)

Flickering Multi-Armed Bandits
di: Chakraborty, Sourav, et al.
Pubblicazione: (2026)

Collaborative Multi-Agent Heterogeneous Multi-Armed Bandits
di: Chawla, Ronshee, et al.
Pubblicazione: (2023)

Online Min-Max Optimization: From Individual Regrets to Cumulative Saddle Points
di: Vyas, Abhijeet, et al.
Pubblicazione: (2026)

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

Multi-Armed Bandits with Network Interference
di: Agarwal, Abhineet, et al.
Pubblicazione: (2024)

On the Regularity and Fairness of Combinatorial Multi-Armed Bandit
di: Wu, Xiaoyi, et al.
Pubblicazione: (2025)

Rising Multi-Armed Bandits with Known Horizons
di: Song, Seockbean, et al.
Pubblicazione: (2026)

Optimal Streaming Algorithms for Multi-Armed Bandits
di: Jin, Tianyuan, et al.
Pubblicazione: (2024)

Introduction to Multi-Armed Bandits
di: Slivkins, Aleksandrs
Pubblicazione: (2019)

Tight Gap-Dependent Memory-Regret Trade-Off for Single-Pass Streaming Stochastic Multi-Armed Bandits
di: Ye, Zichun, et al.
Pubblicazione: (2025)

Autonomous Drug Design with Multi-Armed Bandits
di: Svensson, Hampus Gummesson, et al.
Pubblicazione: (2022)

Near-Optimal Privacy-Preserving Learning for Max-Min Fair Multi-Agent Bandits
di: Leshem, Amir
Pubblicazione: (2023)

MinMaxMin $Q$-learning
di: Soffair, Nitsan, et al.
Pubblicazione: (2024)

Distributed Algorithms for Multi-Agent Multi-Armed Bandits with Collision
di: Zhou, Daoyuan, et al.
Pubblicazione: (2025)

Stochastic Multi-Armed Bandits with Limited Control Variates
di: Verma, Arun, et al.
Pubblicazione: (2026)

Optimism in the Face of Ambiguity Principle for Multi-Armed Bandits
di: Li, Mengmeng, et al.
Pubblicazione: (2024)

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

Put CASH on Bandits: A Max K-Armed Problem for Automated Machine Learning
di: Balef, Amir Rezaei, et al.
Pubblicazione: (2025)

Byzantine-Resilient Decentralized Multi-Armed Bandits
di: Zhu, Jingxuan, et al.
Pubblicazione: (2023)

Multi-Armed Bandits With Best-Action Queries
di: Bacchiocchi, Francesco, et al.
Pubblicazione: (2026)

Gradient Descent is Pareto-Optimal in the Oracle Complexity and Memory Tradeoff for Feasibility Problems
di: Blanchard, Moise
Pubblicazione: (2024)

Adversarial Attacks on Combinatorial Multi-Armed Bandits
di: Balasubramanian, Rishab, et al.
Pubblicazione: (2023)

Unlearning Offline Stochastic Multi-Armed Bandits
di: Ye, Zichun, et al.
Pubblicazione: (2026)

Heterogeneous Multi-Player Multi-Armed Bandits Robust To Adversarial Attacks
di: Magesh, Akshayaa, et al.
Pubblicazione: (2025)

On the Low-Complexity of Fair Learning for Combinatorial Multi-Armed Bandit
di: Wu, Xiaoyi, et al.
Pubblicazione: (2025)

MARBLE: Multi-Armed Restless Bandits in Latent Markovian Environment
di: Amiri, Mohsen, et al.
Pubblicazione: (2025)