:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hu, Haichen, Simchi-Levi, David
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2509.02476
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Perturbing the Derivative: Doubly Wild Refitting for Model-Free Evaluation of Opaque Machine Learning Predictors
von: Hu, Haichen, et al.
Veröffentlicht: (2025)

Interleaved Resampling and Refitting: Data and Compute-Efficient Evaluation of Black-Box Predictors
von: Hu, Haichen, et al.
Veröffentlicht: (2026)

Pre-Trained AI Model Assisted Online Decision-Making under Missing Covariates: A Theoretical Perspective
von: Hu, Haichen, et al.
Veröffentlicht: (2025)

Model-Based Reinforcement Learning with Double Oracle Efficiency in Policy Optimization and Offline Estimation
von: Hu, Haichen, et al.
Veröffentlicht: (2026)

Offline Oracle-Efficient Learning for Contextual MDPs via Layerwise Exploration-Exploitation Tradeoff
von: Qian, Jian, et al.
Veröffentlicht: (2024)

Constrained Online Decision-Making: A Unified Framework
von: Hu, Haichen, et al.
Veröffentlicht: (2025)

Contextual Online Decision Making with Infinite-Dimensional Functional Regression
von: Hu, Haichen, et al.
Veröffentlicht: (2025)

Learning to Price with Resource Constraints: From Full Information to Machine-Learned Prices
von: Ao, Ruicheng, et al.
Veröffentlicht: (2025)

Partial Identification under Missing Data Using Weak Shadow Variables from Pretrained Models
von: Chen, Hongyu, et al.
Veröffentlicht: (2026)

From Confounding to Learning: Dynamic Service Fee Pricing on Third-Party Platforms
von: Ai, Rui, et al.
Veröffentlicht: (2025)

Sobolev Norm Learning Rates for Conditional Mean Embeddings
von: Talwai, Prem, et al.
Veröffentlicht: (2021)

OptiRepair: Closed-Loop Diagnosis and Repair of Supply Chain Optimization Models with LLM Agents
von: Ao, Ruicheng, et al.
Veröffentlicht: (2026)

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

Optimal Adaptive Experimental Design for Estimating Treatment Effect
von: Li, Jiachun, et al.
Veröffentlicht: (2024)

Beyond ATE: Multi-Criteria Design for A/B Testing
von: Li, Jiachun, et al.
Veröffentlicht: (2025)

Prediction-Guided Active Experiments
von: Ao, Ruicheng, et al.
Veröffentlicht: (2024)

A Simple and Optimal Policy Design with Safety against Heavy-Tailed Risk for Stochastic Bandits
von: Simchi-Levi, David, et al.
Veröffentlicht: (2022)

The Value of Information in Resource-Constrained Pricing
von: Ao, Ruicheng, et al.
Veröffentlicht: (2026)

On the Optimal Regret of Locally Private Linear Contextual Bandit
von: Li, Jiachun, et al.
Veröffentlicht: (2024)

Regret Distribution in Stochastic Bandits: Optimal Trade-off between Expectation and Tail Risk
von: Simchi-Levi, David, et al.
Veröffentlicht: (2023)

Improving the Estimation of Lifetime Effects in A/B Testing via Treatment Locality
von: Chen, Shuze, et al.
Veröffentlicht: (2024)

Privacy Preserving Adaptive Experiment Design
von: Li, Jiachun, et al.
Veröffentlicht: (2024)

On the Reliability Limits of LLM-Based Multi-Agent Planning
von: Ao, Ruicheng, et al.
Veröffentlicht: (2026)

ORLoopBench: Solver-in-the-Loop Benchmarks for Self-Correction and Behavioral Rationality in Operations Research
von: Ao, Ruicheng, et al.
Veröffentlicht: (2026)

Multi-category Angle-based Classifier Refit
von: Yau, Guo Xian, et al.
Veröffentlicht: (2016)

Online Resource Allocation with Average Budget Constraints
von: Ao, Ruicheng, et al.
Veröffentlicht: (2024)

Assured autonomy: How operations research powers and orchestrates generative AI systems
von: Dai, Tinglong, et al.
Veröffentlicht: (2025)

Beyond Covariance Matrix: The Statistical Complexity of Private Linear Regression
von: Chen, Fan, et al.
Veröffentlicht: (2025)

Solve Smart, Not Often: Policy Learning for Costly MILP Re-solving
von: Ai, Rui, et al.
Veröffentlicht: (2025)

Best Arm Identification with LLM Judges and Limited Human
von: Ao, Ruicheng, et al.
Veröffentlicht: (2026)

Unified Explanations in Machine Learning Models: A Perturbation Approach
von: Dineen, Jacob, et al.
Veröffentlicht: (2024)

Optimizing LLM Inference: Fluid-Guided Online Scheduling with Memory Constraints
von: Ao, Ruicheng, et al.
Veröffentlicht: (2025)

PPI-SVRG: Unifying Prediction-Powered Inference and Variance Reduction for Semi-Supervised Optimization
von: Ao, Ruicheng, et al.
Veröffentlicht: (2026)

Designing Service Systems from Textual Evidence
von: Ao, Ruicheng, et al.
Veröffentlicht: (2026)

Multi-agent Adaptive Mechanism Design
von: Han, Qiushi, et al.
Veröffentlicht: (2025)

A Unified Framework for Debiased Machine Learning: Riesz Representer Fitting under Bregman Divergence
von: Kato, Masahiro
Veröffentlicht: (2026)

Beyond Majority Voting: LLM Aggregation by Leveraging Higher-Order Information
von: Ai, Rui, et al.
Veröffentlicht: (2025)

Direct Debiased Machine Learning via Bregman Divergence Minimization
von: Kato, Masahiro
Veröffentlicht: (2025)

Assessing Robustness of Machine Learning Models using Covariate Perturbations
von: R, Arun Prakash, et al.
Veröffentlicht: (2024)

A Generalized Bias-Variance Decomposition for Bregman Divergences
von: Pfau, David
Veröffentlicht: (2025)