Copertina

A Jointly Efficient and Optimal Algorithm for Heteroskedastic Generalized Linear Bandits with Adversarial Corruptions

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Kim, Sanghwa, Lee, Junghyun, Yun, Se-Young
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

A Unified Confidence Sequence for Generalized Linear Models, with Applications to Bandits
di: Lee, Junghyun, et al.
Pubblicazione: (2024)

Instance-Optimal Estimation with Multiple LLM Judges on a Budget
di: Lee, Junghyun, et al.
Pubblicazione: (2026)

Flooding with Absorption: An Efficient Protocol for Heterogeneous Bandits over Complex Networks
di: Lee, Junghyun, et al.
Pubblicazione: (2023)

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

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

Near-Optimal Clustering in Mixture of Markov Chains
di: Lee, Junghyun, et al.
Pubblicazione: (2025)

GL-LowPopArt: A Nearly Instance-Wise Minimax-Optimal Estimator for Generalized Low-Rank Trace Regression
di: Lee, Junghyun, et al.
Pubblicazione: (2025)

Efficient and Optimal Policy Gradient Algorithm for Corrupted Multi-armed Bandits
di: Liu, Jiayuan, et al.
Pubblicazione: (2025)

An Adaptive Approach for Infinitely Many-armed Bandits under Generalized Rotting Constraints
di: Kim, Jung-hun, et al.
Pubblicazione: (2024)

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

Probability-Flow ODE in Infinite-Dimensional Function Spaces
di: Na, Kunwoo, et al.
Pubblicazione: (2025)

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

Corruption-Robust Linear Bandits: Minimax Optimality and Gap-Dependent Misspecification
di: Liu, Haolin, et al.
Pubblicazione: (2024)

Regularized Online RLHF with Generalized Bilinear Preferences
di: Lee, Junghyun, et al.
Pubblicazione: (2026)

Nearly-Optimal Algorithm for Adversarial Kernelized Bandits
di: Iwazaki, Shogo
Pubblicazione: (2026)

On the Optimality of Tracking Fisher Information in Adaptive Testing with Stochastic Binary Responses
di: Kim, Sanghwa, et al.
Pubblicazione: (2025)

Contextual Linear Bandits under Noisy Features: Towards Bayesian Oracles
di: Kim, Jung-hun, et al.
Pubblicazione: (2017)

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

Robust Linear Dueling Bandits with Post-serving Context under Unknown Delays and Adversarial Corruptions
di: Oh, Youngmin
Pubblicazione: (2026)

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

Linear Bandits on Ellipsoids: Minimax Optimal Algorithms
di: Zhang, Raymond, et al.
Pubblicazione: (2025)

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

LinearAPT: An Adaptive Algorithm for the Fixed-Budget Thresholding Linear Bandit Problem
di: Wu, Yun-Ang, et al.
Pubblicazione: (2024)

FlickerFusion: Intra-trajectory Domain Generalizing Multi-Agent RL
di: Koh, Woosung, et al.
Pubblicazione: (2024)

Constructing Adversarial Examples for Vertical Federated Learning: Optimal Client Corruption through Multi-Armed Bandit
di: Yao, Duanyi, et al.
Pubblicazione: (2024)

Multi-Task Corrupted Prediction for Learning Robust Audio-Visual Speech Representation
di: Kim, Sungnyun, et al.
Pubblicazione: (2025)

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

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

Improved Algorithm for Adversarial Linear Mixture MDPs with Bandit Feedback and Unknown Transition
di: Li, Long-Fei, et al.
Pubblicazione: (2024)

Shuffle and Joint Differential Privacy for Generalized Linear Contextual Bandits
di: Sarmasarkar, Sahasrajit
Pubblicazione: (2026)

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

Optimal Thresholding Linear Bandit
di: Rivera, Eduardo Ochoa, et al.
Pubblicazione: (2024)

A Near-optimal, Scalable and Parallelizable Framework for Stochastic Bandits Robust to Adversarial Corruptions and Beyond
di: Hu, Zicheng, et al.
Pubblicazione: (2025)

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

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

Bayesian Bandit Algorithms with Approximate Inference in Stochastic Linear Bandits
di: Huang, Ziyi, et al.
Pubblicazione: (2024)

Minimax Rate-Optimal Algorithms for High-Dimensional Stochastic Linear Bandits
di: Liu, Jingyu, et al.
Pubblicazione: (2025)

Optimal Clustering from Noisy Binary Feedback
di: Ariu, Kaito, et al.
Pubblicazione: (2019)

Optimal Batched Linear Bandits
di: Ren, Xuanfei, et al.
Pubblicazione: (2024)

Corruption-Robust Algorithms with Uncertainty Weighting for Nonlinear Contextual Bandits and Markov Decision Processes
di: Ye, Chenlu, et al.
Pubblicazione: (2022)