Buchumschlag

Regret Analysis of Sleeping Competing Bandits

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Uba, Shinnosuke, Yamaguchi, Yutaro
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Computer Science and Game Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

Regret Analysis of Repeated Delegated Choice
von: Hajiaghayi, MohammadTaghi, et al.
Veröffentlicht: (2023)

Competing Bandits: The Perils of Exploration Under Competition
von: Aridor, Guy, et al.
Veröffentlicht: (2020)

Learning not to Regret
von: Sychrovský, David, et al.
Veröffentlicht: (2023)

Doubly Optimal No-Regret Online Learning in Strongly Monotone Games with Bandit Feedback
von: Ba, Wenjia, et al.
Veröffentlicht: (2021)

A Tight Regret Analysis of Non-Parametric Repeated Contextual Brokerage
von: Bachoc, François, et al.
Veröffentlicht: (2025)

GPU-Accelerated Counterfactual Regret Minimization
von: Kim, Juho
Veröffentlicht: (2024)

Full Swap Regret and Discretized Calibration
von: Fishelson, Maxwell, et al.
Veröffentlicht: (2025)

Barriers to Welfare Maximization with No-Regret Learning
von: Anagnostides, Ioannis, et al.
Veröffentlicht: (2024)

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

Regret Minimization in Stackelberg Games with Side Information
von: Harris, Keegan, et al.
Veröffentlicht: (2024)

Forecasting for Swap Regret for All Downstream Agents
von: Roth, Aaron, et al.
Veröffentlicht: (2024)

Meta-Learning in Self-Play Regret Minimization
von: Sychrovský, David, et al.
Veröffentlicht: (2025)

The Relationship between No-Regret Learning and Online Conformal Prediction
von: Ramalingam, Ramya, et al.
Veröffentlicht: (2025)

Selling Joint Ads: A Regret Minimization Perspective
von: Aggarwal, Gagan, et al.
Veröffentlicht: (2024)

Strategic Linear Contextual Bandits
von: Buening, Thomas Kleine, et al.
Veröffentlicht: (2024)

Multi-Agent Combinatorial-Multi-Armed-Bandit framework for the Submodular Welfare Problem under Bandit Feedback
von: Pokhriyal, Subham, et al.
Veröffentlicht: (2026)

Tight Regret Bounds for Bilateral Trade under Semi Feedback
von: Jin, Yaonan
Veröffentlicht: (2026)

No-Regret Algorithms in non-Truthful Auctions with Budget and ROI Constraints
von: Aggarwal, Gagan, et al.
Veröffentlicht: (2024)

Dynamic Regret Bounds for Online Omniprediction with Long Term Constraints
von: Bechavod, Yahav, et al.
Veröffentlicht: (2025)

Last-Iterate Convergence Properties of Regret-Matching Algorithms in Games
von: Cai, Yang, et al.
Veröffentlicht: (2023)

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

ReLExS: Reinforcement Learning Explanations for Stackelberg No-Regret Learners
von: Huang, Xiangge, et al.
Veröffentlicht: (2024)

No-Regret Learning in Bilateral Trade via Global Budget Balance
von: Bernasconi, Martino, et al.
Veröffentlicht: (2023)

Nearly Tight Regret Bounds for Profit Maximization in Bilateral Trade
von: Di Gregorio, Simone, et al.
Veröffentlicht: (2025)

Last-Iterate Convergence of No-Regret Learning for Equilibria in Bargaining Games
von: Kamp, Serafina, et al.
Veröffentlicht: (2025)

Computational Lower Bounds for Regret Minimization in Normal-Form Games
von: Anagnostides, Ioannis, et al.
Veröffentlicht: (2024)

Optimism Without Regularization: Constant Regret in Zero-Sum Games
von: Lazarsfeld, John, et al.
Veröffentlicht: (2025)

Swap Regret and Correlated Equilibria Beyond Normal-Form Games
von: Arunachaleswaran, Eshwar Ram, et al.
Veröffentlicht: (2025)

Autobidders with Budget and ROI Constraints: Efficiency, Regret, and Pacing Dynamics
von: Lucier, Brendan, et al.
Veröffentlicht: (2023)

Incentivized Truthful Communication for Federated Bandits
von: Wei, Zhepei, et al.
Veröffentlicht: (2024)

No Coin Left Behind: Maximizing Strategic Surplus Against No-Regret Dynamics
von: Su, Yiheng, et al.
Veröffentlicht: (2026)

Sample Efficient Omniprediction and Downstream Swap Regret for Non-Linear Losses
von: Lu, Jiuyao, et al.
Veröffentlicht: (2025)

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

Adaptive Bandit Algorithms for Contextual Matching Markets
von: Lin, Shiyun, et al.
Veröffentlicht: (2026)

Incentive-compatible Bandits: Importance Weighting No More
von: Zimmert, Julian, et al.
Veröffentlicht: (2024)

Incentivized Learning in Principal-Agent Bandit Games
von: Scheid, Antoine, et al.
Veröffentlicht: (2024)

Protocols for Verifying Smooth Strategies in Bandits and Games
von: Christ, Miranda, et al.
Veröffentlicht: (2025)