CURE-UCB 论文:让决策算法利用已知时限优化收益递增场景
burkov · x · 2026-11-17
Andriy Burkov 介绍一项关于「收益随投入递增」场景下序贯决策的研究:当某个选项的奖励会随持续投入而上升时,是否选择它取决于剩余时间有多少——改善慢的选项在长训练预算下划算,但临近截止期限时是坏选择。
论文的核心工作是量化「时限感知」的价值,并提出 CURE-UCB 算法:该算法估算每个选项在剩余时间内的预期累计收益,而不是只看当前奖励或某个未来单点的预期奖励。作者对方法进行了数学分析,并在 model selection 与机器学习训练等任务上与 rising-reward 及一般非平稳决策基线做了对比实验。
「研究」频道最新
- 研究观点:算力有限时缩小实验规模产出更多 — willcb · 2026-11-17
- Claude Opus 在细胞药物理解榜单仅得 0.001,JUMP-CP 排行榜上线 — gklambauer · 2026-11-17
- 语言模型当道,传统深度学习还有没有未来? — Dapper_Chance_2484 · 2026-11-17
- AI 改造制药的四层推演:从提效到千人千方的虚拟试验 — TikorDuro · 2026-11-17
- MIT 研究者做出实时 LLM 向量干预工具,写作过程变多人协作 — RileyRalmuto · 2026-11-17
- ICLR 2027 名场面:AI 评审互看不到,作者干脆叮嘱 ChatGPT 别参考其他 AI 意见 — tak3sh8 · 2026-11-17