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。

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →