Lexicographic Lipschitz Bandits:New Algorithms and a Lower Bound
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper studies a multiobjective bandit problem under lexicographic ordering, wherein the learner aims to maximize <i>m </i>objectives, each with different levels of importance. First, we introduce the local trade-off, <i>λ</i><sub>∗</sub>, which depicts the trade-off between different objectives. For the case when an upper bound of <i>λ</i><sub>∗</sub> is known, i.e., <i>λ </i>≥ <i>λ</i><sub>∗</sub>, we develop an algorithm that achieves a general regret bound of <i>Õ</i>(Λ<i><sup>i</sup> </i>(<i>λ</i>)<i>T </i><sup>(<i>d i z</i>+1)/(<i>d i z</i>+2)</sup>) for the <i>i</i>-th objective, where <i>i </i>∈ {1, 2, . . . , <i>m</i>}, Λ<i><sup>i</sup> </i>(<i>λ</i>) = 1 + <i>λ </i>+ · · · + <i>λ</i><sup><i>i</i>−1</sup>, <i>d <sup>i</sup><sub>z</sub> </i>is the zooming dimension for the <i>i</i>-th objective, and <i>T </i>is the time horizon. Next, we provide a matching lower bound for the lexicographic Lipschitz bandit problem, proving that our algorithm is <i>optimal </i>in terms of <i>λ</i><sub>∗</sub> and <i>T</i>. Finally, for the case where <i>m </i>= 2, we remove the dependence on the knowledge about <i>λ</i><sub>∗</sub>, albeit at the cost of increasing the regret bound to <i>Õ</i>(Λ<i><sup>i</sup> </i>(<i>λ</i><sub>∗</sub>)<i>T </i><sup>(3<i>d i z</i>+4)/(3<i>d i z</i>+6)</sup>), which remains optimal in terms of <i>λ</i><sub>∗</sub>. Compared to existing work on lexicographic multiarmed bandits (Hüyük and Tekin, 2021), our approach improves the current regret bound of <i>Õ</i>(<i>T </i><sup>2/3</sup>) and extends the number of arms to infinity. Numerical experiments confirm the effectiveness of our algorithms. ©2025 Bo Xue, Ji Cheng, Fei Liu, Yimu Wang, Lijun Zhang, and Qingfu Zhang.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle