Buchumschlag

Prior Diffusiveness and Regret in the Linear-Gaussian Bandit

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Yifan, Duchi, John C., Van Roy, Benjamin
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Variance-Dependent Regret Bounds for Non-stationary Linear Bandits
von: Wang, Zhiyong, et al.
Veröffentlicht: (2024)

Parameter-Free Dynamic Regret for Unconstrained Linear Bandits
von: Rumi, Alberto, et al.
Veröffentlicht: (2026)

No-Regret Linear Bandits under Gap-Adjusted Misspecification
von: Liu, Chong, et al.
Veröffentlicht: (2025)

Near-Optimal Regret in Linear MDPs with Aggregate Bandit Feedback
von: Cassel, Asaf, et al.
Veröffentlicht: (2024)

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

Generalized Linear Bandits: Almost Optimal Regret with One-Pass Update
von: Zhang, Yu-Jie, et al.
Veröffentlicht: (2025)

Improved Regret Bounds for Linear Bandits with Heavy-Tailed Rewards
von: Tajdini, Artin, et al.
Veröffentlicht: (2025)

Chained Information-Theoretic bounds and Tight Regret Rate for Linear Bandit Problems
von: Gouverneur, Amaury, et al.
Veröffentlicht: (2024)

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

Time-Varying Gaussian Process Bandits with Unknown Prior
von: Ziomek, Juliusz, et al.
Veröffentlicht: (2024)

Non-Stationary Bandit Learning via Predictive Sampling
von: Liu, Yueyang, et al.
Veröffentlicht: (2022)

Regret Bounds for Expected Improvement Algorithms in Gaussian Process Bandit Optimization
von: Tran-The, Hung, et al.
Veröffentlicht: (2022)

Tighter Regret Lower Bound for Gaussian Process Bandits with Squared Exponential Kernel in Hypersphere
von: Iwazaki, Shogo
Veröffentlicht: (2026)

Regret minimization in Linear Bandits with offline data via extended D-optimal exploration
von: Vijayan, Sushant, et al.
Veröffentlicht: (2025)

Some Robustness Properties of Label Cleaning
von: Cheng, Chen, et al.
Veröffentlicht: (2025)

Optimal Regret for Single Index Bandits
von: Dey, Devdan, et al.
Veröffentlicht: (2026)

Bayesian Regret Minimization in Offline Bandits
von: Petrik, Marek, et al.
Veröffentlicht: (2023)

No-Regret is not enough! Bandits with General Constraints through Adaptive Regret Minimization
von: Bernasconi, Martino, et al.
Veröffentlicht: (2024)

Gaussian Process Upper Confidence Bound Achieves Nearly-Optimal Regret in Noise-Free Gaussian Process Bandits
von: Iwazaki, Shogo
Veröffentlicht: (2025)

Adaptive Prior Selection in Gaussian Process Bandits with Thompson Sampling
von: Sandberg, Jack, et al.
Veröffentlicht: (2025)

p-Mean Regret for Stochastic Bandits
von: Krishna, Anand, et al.
Veröffentlicht: (2024)

Satisficing Regret Minimization in Bandits: Constant Rate and Light-Tailed Distribution
von: Feng, Qing, et al.
Veröffentlicht: (2024)

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

Tangential Randomization in Linear Bandits (TRAiL): Guaranteed Inference and Regret Bounds
von: Güçlü, Arda, et al.
Veröffentlicht: (2024)

Distribution free M-estimation
von: Areces, Felipe, et al.
Veröffentlicht: (2025)

Improved Regret Bounds for Online Fair Division with Bandit Learning
von: Schiffer, Benjamin, et al.
Veröffentlicht: (2025)

Revisiting Matrix Sketching in Linear Bandits: Achieving Sublinear Regret via Dyadic Block Sketching
von: Wen, Dongxie, et al.
Veröffentlicht: (2024)

Near-Optimal Regret in Adversarial Kernel Bandits
von: Zhang, Yu-Jie, et al.
Veröffentlicht: (2026)

Optimal Regret for Policy Optimization in Contextual Bandits
von: Levy, Orin, et al.
Veröffentlicht: (2026)

Efficient Swap Regret Minimization in Combinatorial Bandits
von: Kontogiannis, Andreas, et al.
Veröffentlicht: (2026)

Fast Best-in-Class Regret for Contextual Bandits
von: Girard, Samuel, et al.
Veröffentlicht: (2025)

Improved Regret Bounds for Bandits with Expert Advice
von: Cesa-Bianchi, Nicolò, et al.
Veröffentlicht: (2024)

Minimum Empirical Divergence for Sub-Gaussian Linear Bandits
von: Balagopalan, Kapilan, et al.
Veröffentlicht: (2024)

Improved Regret Bounds of (Multinomial) Logistic Bandits via Regret-to-Confidence-Set Conversion
von: Lee, Junghyun, et al.
Veröffentlicht: (2023)

Honor Among Bandits: No-Regret Learning for Online Fair Division
von: Procaccia, Ariel D., et al.
Veröffentlicht: (2024)

Structured Diffusion Models with Mixture of Gaussians as Prior Distribution
von: Jia, Nanshan, et al.
Veröffentlicht: (2024)

Queue Length Regret Bounds for Contextual Queueing Bandits
von: Bae, Seoungbin, et al.
Veröffentlicht: (2026)

Finite-Time Regret Analysis of Retry-Aware Bandits
von: Tong, Bingkui, et al.
Veröffentlicht: (2026)

How Does Variance Shape the Regret in Contextual Bandits?
von: Jia, Zeyu, et al.
Veröffentlicht: (2024)

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