标签
This paper proposes a novel contextual bandit algorithm that explicitly models reward decay for progressive content refinement in LLMs, using EM to estimate arm-specific and decay parameters. Experiments on Sentiment Reversal and GSM8K show significant gains over strong baselines.
该论文提出了一种预测-修正（PtC）框架，利用少样本连续上下文多臂老虎机自适应地修正零售需求预测中的基础机器学习预测，在误差指标和库存成本上相比基线实现了显著改进。
本文指出当前LLM智能体未能系统地探索同伴，导致协调不佳，并引入MACE，一个轻量级框架，使用上下文赌博机进行有效的同伴选择。
本文提出了VDSS，一种用于呼吸机决策支持的人机协同多智能体框架，它利用上下文Bandit偏好学习来适应特定临床医生的调校风格。回顾性ICU轨迹重放表明，推荐的可接受性提高，交互轮次减少。
宣布两个开源Rust项目：Lycan（一种用于上下文赌博机的图执行语言）和Syntra（一个自托管的Docker设备，用于服务Lycan胶囊）。作者在自己的实时AI交易产品上自用测试，发现数据管道错误（而非算法问题）主导了适配工作。
本文介绍了 LQM-ContextRoute，一种上下文赌博机路由器，用于在 LLM 代理中选择功能等效的工具提供商，平衡延迟和答案质量。它在网络搜索和检索器基准测试上优于基线。