标签
本文介绍了Odds-Ratio Thompson Sampling（OR-TS），这是一种批量多臂老虎机方法，通过基于对比的更新处理波动的基准水平，在模拟和真实实验中均显示出相比绝对速率记忆法更低的遗憾值。
本文证明了Thompson采样在非单调凸脊强盗问题中实现了多项式遗憾，表明单调性并非必要，并给出了新的遗憾界限Õ(d^{9/2} √n)。
Ramp Router 使用 EWMA 评估故障率，通过 Thompson 采样评估延迟，从而选择最便宜的、能在截止时间前完成任务的 LLM 模型和服务层级，在不损失性能的情况下实现 30% 的成本节省。
本文研究了具有不可操纵变量的上下文因果赌博机问题，提出了汤普森采样和信息导向采样（IDS）的因果变体，利用共享因果机制加速决策过程。理论遗憾界和合成任务实验表明，所提方法优于因果和非因果基线。
本文提出了一种混合搜索框架，结合Thompson采样与并行自避免行走，自适应地在LABS问题的限制类别间分配计算资源。该方法改进了35个序列长度的先前最佳品质因数，并实现了品质因数超过8.0的新最长序列。
本文提出绝对汤普森采样（ATS），这是对汤普森采样的一种改进，通过使用绝对探索噪声确保期望上的乐观性，在保持计算效率的同时实现了更简单的UCB风格遗憾分析。它达到了与现有TS界相匹配的遗憾，并引入了一种集成变体，该变体收敛于UCB行为。
本文提出了一种新颖的基于多臂赌博机算法的深度神经网络结构化神经元剪枝框架，并在多种任务上验证了其有效性。
普渡大学研究团队推出 Mango，一种多智能体网页导航系统，利用全局站点结构和汤普森采样选择最优起始 URL，在 WebVoyager 和 WebWalkerQA 基准测试中显著提升成功率。