Buchumschlag

Bandits in Flux: Adversarial Constraints in Dynamic Environments

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Salem, Tareq Si
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

Beyond Primal-Dual Methods in Bandits with Stochastic and Adversarial Constraints
von: Bernasconi, Martino, et al.
Veröffentlicht: (2024)

Online Submodular Maximization via Online Convex Optimization
von: Salem, Tareq Si, et al.
Veröffentlicht: (2023)

KVCompose: Efficient Structured KV Cache Compression with Composite Tokens
von: Akulov, Dmitry, et al.
Veröffentlicht: (2025)

Adversarial Multi-dueling Bandits
von: Gajane, Pratik
Veröffentlicht: (2024)

Federated Learning for Collaborative Inference Systems: The Case of Early Exit Networks
von: Kaplan, Caelin, et al.
Veröffentlicht: (2024)

Adversarial Bandit over Bandits: Hierarchical Bandits for Online Configuration Management
von: Avin, Chen, et al.
Veröffentlicht: (2025)

On Characterizing Learnability for Adversarial Noisy Bandits
von: Hanneke, Steve, et al.
Veröffentlicht: (2026)

Constrained Contextual Bandits with Adversarial Contexts
von: Sarkar, Dhruv, et al.
Veröffentlicht: (2026)

Adversarial Combinatorial Bandits with Switching Costs
von: Dong, Yanyan, et al.
Veröffentlicht: (2024)

Faster Rates for Private Adversarial Bandits
von: Asi, Hilal, et al.
Veröffentlicht: (2025)

Cascading Bandits Robust to Adversarial Corruptions
von: Xie, Jize, et al.
Veröffentlicht: (2025)

Stochastic Bandits Robust to Adversarial Attacks
von: Wang, Xuchuang, et al.
Veröffentlicht: (2024)

Adversarial Bandits against Arbitrary Strategies
von: Kim, Jung-hun, et al.
Veröffentlicht: (2022)

Pure Exploration in Bandits with Linear Constraints
von: Carlsson, Emil, et al.
Veröffentlicht: (2023)

Sparse Linear Bandits with Blocking Constraints
von: Jain, Adit, et al.
Veröffentlicht: (2024)

Contextual Bandits with Stage-wise Constraints
von: Pacchiano, Aldo, et al.
Veröffentlicht: (2024)

Nearly-Optimal Algorithm for Adversarial Kernelized Bandits
von: Iwazaki, Shogo
Veröffentlicht: (2026)

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

Sparsity-Agnostic Linear Bandits with Adaptive Adversaries
von: Jin, Tianyuan, et al.
Veröffentlicht: (2024)

Distributed Linear Bandits under Communication Constraints
von: Salgia, Sudeep, et al.
Veröffentlicht: (2022)

Multi-Agent Stochastic Bandits Robust to Adversarial Corruptions
von: Ghaffari, Fatemeh, et al.
Veröffentlicht: (2024)

Neural Contextual Bandits Under Delayed Feedback Constraints
von: Moghimi, Mohammadali, et al.
Veröffentlicht: (2025)

Goal-Oriented Time-Series Forecasting: Foundation Framework Design
von: Fechete, Luca-Andrei, et al.
Veröffentlicht: (2025)

Adversarial Bandit Optimization with Globally Bounded Perturbations to Linear Losses
von: Cheng, Zhuoyu, et al.
Veröffentlicht: (2026)

Adversarial Bandits with Multi-User Delayed Feedback: Theory and Application
von: Li, Yandi, et al.
Veröffentlicht: (2023)

An Improved Algorithm for Adversarial Linear Contextual Bandits via Reduction
von: van Erven, Tim, et al.
Veröffentlicht: (2025)

Slowly Changing Adversarial Bandit Algorithms are Efficient for Discounted MDPs
von: Kash, Ian A., et al.
Veröffentlicht: (2022)

Adaptive Action Duration with Contextual Bandits for Deep Reinforcement Learning in Dynamic Environments
von: Verma, Abhishek, et al.
Veröffentlicht: (2025)

HyperArm Bandit Optimization: A Novel approach to Hyperparameter Optimization and an Analysis of Bandit Algorithms in Stochastic and Adversarial Settings
von: Karroum, Samih, et al.
Veröffentlicht: (2025)

Adaptive Budgeted Multi-Armed Bandits for IoT with Dynamic Resource Constraints
von: Vaishnav, Shubham, et al.
Veröffentlicht: (2025)

Beating Adversarial Low-Rank MDPs with Unknown Transition and Bandit Feedback
von: Liu, Haolin, et al.
Veröffentlicht: (2024)

Adapting to Stochastic and Adversarial Losses in Episodic MDPs with Aggregate Bandit Feedback
von: Ito, Shinji, et al.
Veröffentlicht: (2025)

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

Nearly Optimal Algorithms for Contextual Dueling Bandits from Adversarial Feedback
von: Di, Qiwei, et al.
Veröffentlicht: (2024)

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

Near Optimal Adversarial Attacks on Stochastic Bandits and Defenses with Smoothed Responses
von: Zuo, Shiliang
Veröffentlicht: (2020)

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

Efficient Adversarial Attacks on High-dimensional Offline Bandits
von: Hosseini, Seyed Mohammad Hadi, et al.
Veröffentlicht: (2026)

Stealthy Adversarial Attacks on Stochastic Multi-Armed Bandits
von: Wang, Zhiwei, et al.
Veröffentlicht: (2024)

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