Buchumschlag

A Simple Reduction Scheme for Constrained Contextual Bandits with Adversarial Contexts via Regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sarkar, Dhruv, Sinha, Abhishek
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

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

Improved Guarantees for Constrained Online Convex Optimization via Self-Contraction
von: Sarkar, Dhruv, et al.
Veröffentlicht: (2026)

Optimal Anytime Algorithms for Online Convex Optimization with Adversarial Constraints
von: Sarkar, Dhruv, et al.
Veröffentlicht: (2025)

Online Learning for Approximately-Convex Functions with Long-term Adversarial Constraints
von: Sarkar, Dhruv, et al.
Veröffentlicht: (2025)

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

Projection-free Algorithms for Online Convex Optimization with Adversarial Constraints
von: Sarkar, Dhruv, et al.
Veröffentlicht: (2025)

BanditQ: Fair Bandits with Guaranteed Rewards
von: Sinha, Abhishek
Veröffentlicht: (2023)

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

Active Context Selection Improves Simple Regret in Contextual Bandits
von: Shahverdikondori, Mohammad, et al.
Veröffentlicht: (2026)

Efficient Algorithms for Logistic Contextual Slate Bandits with Bandit Feedback
von: Goyal, Tanmay, et al.
Veröffentlicht: (2025)

Linear Contextual Bandits with Hybrid Payoff: Revisited
von: Das, Nirjhar, et al.
Veröffentlicht: (2024)

Contextual Bandits for Unbounded Context Distributions
von: Zhao, Puning, et al.
Veröffentlicht: (2024)

Improved Algorithms for Nash Welfare in Linear Bandits
von: Sarkar, Dhruv, et al.
Veröffentlicht: (2026)

DP-NCB: Privacy Preserving Fair Bandits
von: Sarkar, Dhruv, et al.
Veröffentlicht: (2025)

A Reduction Algorithm for Markovian Contextual Linear Bandits
von: Buyukkalayci, Kaan, et al.
Veröffentlicht: (2026)

Contextual Bandits with Packing and Covering Constraints: A Modular Lagrangian Approach via Regression
von: Slivkins, Aleksandrs, et al.
Veröffentlicht: (2022)

Revisiting Social Welfare in Bandits: UCB is (Nearly) All You Need
von: Sarkar, Dhruv, et al.
Veröffentlicht: (2025)

Contextual Bandits for Resource-Constrained Devices using Probabilistic Learning
von: Angioli, Marco, et al.
Veröffentlicht: (2026)

Universal Dynamic Regret and Constraint Violation Bounds for Constrained Online Convex Optimization
von: Supantha, Subhamon, et al.
Veröffentlicht: (2025)

Optimal Algorithms for Online Convex Optimization with Adversarial Constraints
von: Sinha, Abhishek, et al.
Veröffentlicht: (2023)

Tight Bounds for Online Convex Optimization with Adversarial Constraints
von: Sinha, Abhishek, et al.
Veröffentlicht: (2024)

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

Learning with Incomplete Context: Linear Contextual Bandits with Pretrained Imputation
von: Yan, Hao, et al.
Veröffentlicht: (2025)

Online Multi-LLM Selection via Contextual Bandits under Unstructured Context Evolution
von: Poon, Manhin, et al.
Veröffentlicht: (2025)

Optimal Multitask Linear Regression and Contextual Bandits under Sparse Heterogeneity
von: Huang, Xinmeng, et al.
Veröffentlicht: (2023)

Regret Bounds for Adversarial Contextual Bandits with General Function Approximation and Delayed Feedback
von: Levy, Orin, et al.
Veröffentlicht: (2025)

Context-Action Embedding Learning for Off-Policy Evaluation in Contextual Bandits
von: Chandak, Kushagra, et al.
Veröffentlicht: (2025)

Beyond $\tilde{O}(\sqrt{T})$ Constraint Violation for Online Convex Optimization with Adversarial Constraints
von: Sinha, Abhishek, et al.
Veröffentlicht: (2025)

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

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

$O(\sqrt{T})$ Static Regret and Instance Dependent Constraint Violation for Constrained Online Convex Optimization
von: Vaze, Rahul, et al.
Veröffentlicht: (2025)

High Probability Bound for Cross-Learning Contextual Bandits with Unknown Context Distributions
von: Huang, Ruiyuan, et al.
Veröffentlicht: (2024)

Scaling Federated Linear Contextual Bandits via Sketching
von: Yang, Hantao, et al.
Veröffentlicht: (2026)

Learning to Attack: A Bandit Approach to Adversarial Context Poisoning
von: Telikani, Ray, et al.
Veröffentlicht: (2026)

Sparse Nonparametric Contextual Bandits
von: Flynn, Hamish, et al.
Veröffentlicht: (2025)

Robust and Computationally Efficient Linear Contextual Bandits under Adversarial Corruption and Heavy-Tailed Noise
von: Tani, Naoto, et al.
Veröffentlicht: (2026)

Bayesian Inference of Contextual Bandit Policies via Empirical Likelihood
von: Ouyang, Jiangrong, et al.
Veröffentlicht: (2026)

Linear Contextual Bandits with Interference
von: Xu, Yang, et al.
Veröffentlicht: (2024)

Replicable Constrained Bandits
von: Bollini, Matteo, et al.
Veröffentlicht: (2026)

Neural Exploitation and Exploration of Contextual Bandits
von: Ban, Yikun, et al.
Veröffentlicht: (2023)