Copertina

Thompson Sampling for Multi-Objective Linear Contextual Bandit

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Park, Somangchan, Ann, Heesang, Oh, Min-hwan
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

Blessings of Multiple Good Arms in Multi-Objective Linear Bandits
di: Ann, Heesang, et al.
Pubblicazione: (2026)

Practical and Optimal Algorithm for Linear Contextual Bandits with Rare Parameter Updates
di: Yu, Sanghoon, et al.
Pubblicazione: (2026)

Tractable Multinomial Logit Contextual Bandits with Non-Linear Utilities
di: Hwang, Taehyun, et al.
Pubblicazione: (2026)

Local Anti-Concentration Class: Logarithmic Regret for Greedy Linear Contextual Bandit
di: Kim, Seok-Jin, et al.
Pubblicazione: (2024)

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

Exploration via Feature Perturbation in Contextual Bandits
di: Yi, Seouh-won, et al.
Pubblicazione: (2025)

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

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

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

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

Improved Regret of Linear Ensemble Sampling
di: Lee, Harin, et al.
Pubblicazione: (2024)

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

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)

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

Stochastic Matching Bandits with Rare Optimization Updates
di: Kim, Jung-hun, et al.
Pubblicazione: (2025)

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

Feel-Good Thompson Sampling for Contextual Dueling Bandits
di: Li, Xuheng, et al.
Pubblicazione: (2024)

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

Demystifying Linear MDPs and Novel Dynamics Aggregation Framework
di: Lee, Joongkyu, et al.
Pubblicazione: (2024)

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

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

Variance-Aware Feel-Good Thompson Sampling for Contextual Bandits
di: Li, Xuheng, et al.
Pubblicazione: (2025)

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

Improving Thompson Sampling via Information Relaxation for Budgeted Multi-armed Bandits
di: Jeong, Woojin, et al.
Pubblicazione: (2024)

MultiScale Contextual Bandits for Long Term Objectives
di: Rastogi, Richa, et al.
Pubblicazione: (2025)

Follow-the-Perturbed-Leader with Fréchet-type Tail Distributions: Optimality in Adversarial Bandits and Best-of-Both-Worlds
di: Lee, Jongyeong, et al.
Pubblicazione: (2024)

Minimax Optimal Reinforcement Learning with Quasi-Optimism
di: Lee, Harin, et al.
Pubblicazione: (2025)

Combinatorial Reinforcement Learning with Preference Feedback
di: Lee, Joongkyu, et al.
Pubblicazione: (2025)

Model-Based Reinforcement Learning with Multinomial Logistic Function Approximation
di: Hwang, Taehyun, et al.
Pubblicazione: (2022)

Optimal Design for Multinomial Logit Model with Applications to Best Assortment Identification
di: Lee, Joongkyu, et al.
Pubblicazione: (2026)

Peng's Q($λ$) for Conservative Value Estimation in Offline Reinforcement Learning
di: Kim, Byeongchan, et al.
Pubblicazione: (2026)

Modified Meta-Thompson Sampling for Linear Bandits and Its Bayes Regret Analysis
di: Li, Hao, et al.
Pubblicazione: (2024)

Thompson Sampling-like Algorithms for Stochastic Rising Bandits
di: Fiandri, Marco, et al.
Pubblicazione: (2025)

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

Linear Contextual Bandits with Interference
di: Xu, Yang, et al.
Pubblicazione: (2024)

Constrained Linear Thompson Sampling
di: Gangrade, Aditya, et al.
Pubblicazione: (2025)

Adversarial Policy Optimization for Offline Preference-based Reinforcement Learning
di: Kang, Hyungkyu, et al.
Pubblicazione: (2025)

PFN-TS: Thompson Sampling for Contextual Bandits via Prior-Data Fitted Networks
di: Tan, Yan Shuo, et al.
Pubblicazione: (2026)

Thompson Sampling For Combinatorial Bandits: Polynomial Regret and Mismatched Sampling Paradox
di: Zhang, Raymond, et al.
Pubblicazione: (2024)