:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autori principali:	Park, Min Woo, Lee, Sanghack
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	https://arxiv.org/abs/2511.17953
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

On Predicting Post-Click Conversion Rate via Counterfactual Inference
di: Ahn, Junhyung, et al.
Pubblicazione: (2025)

Fine-Grained Causal Dynamics Learning with Quantization for Improving Robustness in Reinforcement Learning
di: Hwang, Inwoo, et al.
Pubblicazione: (2024)

PEER pressure: Model-to-Model Regularization for Single Source Domain Generalization
di: Cho, Dong Kyu, et al.
Pubblicazione: (2025)

Transfer Learning in Latent Contextual Bandits with Covariate Shift Through Causal Transportability
di: Deng, Mingwei, et al.
Pubblicazione: (2025)

Partial Structure Discovery is Sufficient for No-regret Learning in Causal Bandits
di: Elahi, Muhammad Qasim, et al.
Pubblicazione: (2024)

Infrequent Exploration in Linear Bandits
di: Lee, Harin, et al.
Pubblicazione: (2025)

Efficient Monte Carlo Tree Search via On-the-Fly State-Conditioned Action Abstraction
di: Kwak, Yunhyeok, et al.
Pubblicazione: (2024)

Causal Bandits with General Causal Models and Interventions
di: Yan, Zirui, et al.
Pubblicazione: (2024)

Confounded Budgeted Causal Bandits
di: Jamshidi, Fateme, et al.
Pubblicazione: (2024)

Thompson Sampling for Multi-Objective Linear Contextual Bandit
di: Park, Somangchan, et al.
Pubblicazione: (2025)

On Discovery of Local Independence over Continuous Variables via Neural Contextual Decomposition
di: Hwang, Inwoo, et al.
Pubblicazione: (2024)

Graph Learning Is Suboptimal in Causal Bandits
di: Shahverdikondori, Mohammad, et al.
Pubblicazione: (2025)

Robust Causal Bandits for Linear Models
di: Yan, Zirui, et al.
Pubblicazione: (2023)

Improved Online Confidence Bounds for Multinomial Logistic Bandits
di: Lee, Joongkyu, et al.
Pubblicazione: (2025)

Nearly Minimax Optimal Regret for Multinomial Logistic Bandit
di: Lee, Joongkyu, et al.
Pubblicazione: (2024)

Linear Bandits with Partially Observable Features
di: Kim, Wonyoung, et al.
Pubblicazione: (2025)

Nonstationary Generalized Linear Bandits with Discounted Online Mirror Descent
di: Lee, Joongkyu, et al.
Pubblicazione: (2026)

Lasso Bandit with Compatibility Condition on Optimal Arm
di: Lee, Harin, et al.
Pubblicazione: (2024)

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

Online Conformal Abstention for Factuality Control Under Adversarial Bandit Feedback
di: Lee, Minjae, et al.
Pubblicazione: (2025)

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

Causal Contextual Bandits with Adaptive Context
di: Madhavan, Rahul, et al.
Pubblicazione: (2024)

Causally Abstracted Multi-armed Bandits
di: Zennaro, Fabio Massimo, et al.
Pubblicazione: (2024)

Linear Causal Bandits: Unknown Graph and Soft Interventions
di: Yan, Zirui, et al.
Pubblicazione: (2024)

Improved Bound for Robust Causal Bandits with Linear Models
di: Yan, Zirui, et al.
Pubblicazione: (2024)

Follow-the-Perturbed-Leader for Decoupled Bandits: Best-of-Both-Worlds and Practicality
di: Kim, Chaiwon, et al.
Pubblicazione: (2025)

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

Combinatorial Causal Bandits without Graph Skeleton
di: Feng, Shi, et al.
Pubblicazione: (2023)

Revisiting Follow-the-Perturbed-Leader with Unbounded Perturbations in Bandit Problems
di: Lee, Jongyeong, et al.
Pubblicazione: (2025)

Causal Bandits: The Pareto Optimal Frontier of Adaptivity, a Reduction to Linear Bandits, and Limitations around Unknown Marginals
di: Liu, Ziyi, et al.
Pubblicazione: (2024)

Neural Logistic Bandits
di: Bae, Seoungbin, et al.
Pubblicazione: (2025)

Topology-Informed Graph Transformer
di: Choi, Yun Young, et al.
Pubblicazione: (2024)

Queueing Matching Bandits with Preference Feedback
di: Kim, Jung-hun, et al.
Pubblicazione: (2024)

Thompson Sampling in Partially Observable Contextual Bandits
di: Park, Hongju, et al.
Pubblicazione: (2024)

Experimental Design for Semiparametric Bandits
di: Kim, Seok-Jin, et al.
Pubblicazione: (2025)

Optimal Control of Fluid Restless Multi-armed Bandits: A Machine Learning Approach
di: Bertsimas, Dimitris, et al.
Pubblicazione: (2025)

Neural Variance-aware Dueling Bandits with Deep Representation and Shallow Exploration
di: Oh, Youngmin, et al.
Pubblicazione: (2025)

Optimal and Practical Batched Linear Bandit Algorithm
di: Yu, Sanghoon, et al.
Pubblicazione: (2025)

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

Oracle-Efficient Combinatorial Semi-Bandits
di: Kim, Jung-hun, et al.
Pubblicazione: (2025)