Buchumschlag

Truly Adapting to Adversarial Constraints in Constrained MABs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Stradi, Francesco Emanuele, Kalupahana, Kalana, Castiglioni, Matteo, Marchesi, Alberto, Gatti, Nicola
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

Data-Dependent Regret Bounds for Constrained MABs
von: Genalti, Gianmarco, et al.
Veröffentlicht: (2025)

Toward Optimal Regret in Robust Pricing: Decoupling Corruption and Time
von: Kalupahana, Kalana, et al.
Veröffentlicht: (2026)

Learning Adversarial MDPs with Stochastic Hard Constraints
von: Stradi, Francesco Emanuele, et al.
Veröffentlicht: (2024)

Optimal Strong Regret and Violation in Constrained MDPs via Policy Optimization
von: Stradi, Francesco Emanuele, et al.
Veröffentlicht: (2024)

Learning Constrained Markov Decision Processes With Non-stationary Rewards and Constraints
von: Stradi, Francesco Emanuele, et al.
Veröffentlicht: (2024)

Beyond Slater's Condition in Online CMDPs with Stochastic and Adversarial Constraints
von: Stradi, Francesco Emanuele, et al.
Veröffentlicht: (2025)

No-Regret Learning Under Adversarial Resource Constraints: A Spending Plan Is All You Need!
von: Stradi, Francesco Emanuele, et al.
Veröffentlicht: (2025)

A Best-of-Both-Worlds Algorithm for Constrained MDPs with Long-Term Constraints
von: Germano, Jacopo, et al.
Veröffentlicht: (2023)

Best-of-Both-Worlds Policy Optimization for CMDPs with Bandit Feedback
von: Stradi, Francesco Emanuele, et al.
Veröffentlicht: (2024)

Markov Persuasion Processes: Learning to Persuade from Scratch
von: Bacchiocchi, Francesco, et al.
Veröffentlicht: (2024)

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

Multi-Armed Bandits With Best-Action Queries
von: Bacchiocchi, Francesco, et al.
Veröffentlicht: (2026)

Regret Minimization for Piecewise Linear Rewards: Contracts, Auctions, and Beyond
von: Bacchiocchi, Francesco, et al.
Veröffentlicht: (2025)

Learning Optimal Contracts: How to Exploit Small Action Spaces
von: Bacchiocchi, Francesco, et al.
Veröffentlicht: (2023)

Online Resource Allocation With General Constraints
von: Chiefari, Eleonora Fidelia, et al.
Veröffentlicht: (2026)

A Primal-Dual Online Learning Approach for Dynamic Pricing of Sequentially Displayed Complementary Items under Sale Constraints
von: Stradi, Francesco Emanuele, et al.
Veröffentlicht: (2024)

Safe Online Bid Optimization with Return on Investment and Budget Constraints
von: Castiglioni, Matteo, et al.
Veröffentlicht: (2022)

The Sample Complexity of Uniform Approximation for Multi-Dimensional CDFs and Fixed-Price Mechanisms
von: Castiglioni, Matteo, et al.
Veröffentlicht: (2026)

Constrained Phi-Equilibria
von: Bernasconi, Martino, et al.
Veröffentlicht: (2023)

Regret Minimization in Bilateral Trade With Perturbed Markets
von: Lunghi, Anna, et al.
Veröffentlicht: (2026)

Better Regret Rates in Bilateral Trade via Sublinear Budget Violation
von: Lunghi, Anna, et al.
Veröffentlicht: (2025)

Learning in Bayesian Stackelberg Games With Unknown Follower's Types
von: Bollini, Matteo, et al.
Veröffentlicht: (2026)

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

Bridging Rested and Restless Bandits with Graph-Triggering: Rising and Rotting
von: Genalti, Gianmarco, et al.
Veröffentlicht: (2024)

The Sample Complexity of Stackelberg Games
von: Bacchiocchi, Francesco, et al.
Veröffentlicht: (2024)

Contracting With a Reinforcement Learning Agent by Playing Trick or Treat
von: Bollini, Matteo, et al.
Veröffentlicht: (2024)

Online Bayesian Persuasion Without a Clue
von: Bacchiocchi, Francesco, et al.
Veröffentlicht: (2024)

Contract Design Under Approximate Best Responses
von: Bacchiocchi, Francesco, et al.
Veröffentlicht: (2025)

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

Truly No-Regret Learning in Constrained MDPs
von: Müller, Adrian, et al.
Veröffentlicht: (2024)

Online Learning under Budget and ROI Constraints via Weak Adaptivity
von: Castiglioni, Matteo, et al.
Veröffentlicht: (2023)

uniINF: Best-of-Both-Worlds Algorithm for Parameter-Free Heavy-Tailed MABs
von: Chen, Yu, et al.
Veröffentlicht: (2024)

Detection Augmented Bandit Procedures for Piecewise Stationary MABs: A Modular Approach
von: Huang, Yu-Han, et al.
Veröffentlicht: (2025)

Adversarial Constrained Policy Optimization: Improving Constrained Reinforcement Learning by Adapting Budgets
von: Ma, Jianmina, et al.
Veröffentlicht: (2024)

Low-Rank Adversarial PGD Attack
von: Savostianova, Dayana, et al.
Veröffentlicht: (2024)

Catoni-Style Change Point Detection for Regret Minimization in Non-Stationary Heavy-Tailed Bandits
von: Genalti, Gianmarco, et al.
Veröffentlicht: (2025)

Constrained Adversarial Perturbation
von: Nishad, Virendra, et al.
Veröffentlicht: (2025)

Autoregressive Bandits
von: Bacchiocchi, Francesco, et al.
Veröffentlicht: (2022)

Understanding and inverse design of implicit bias in stochastic learning: a geometric perspective
von: Aladrah, Nicola, et al.
Veröffentlicht: (2026)

Adapting to Evolving Adversaries with Regularized Continual Robust Training
von: Dai, Sihui, et al.
Veröffentlicht: (2025)