在线优化相关 AI 资讯 · AITOP · AI热报

7月23日

11:59

11:59

官方账号arXiv cs.LG@Matteo Castiglioni, Anna Lunghi, Alberto Marchesi

本文研究二维空间上CDF相关目标的遗憾最小化问题。算法实现了O~(T^{7/10})的遗憾界，优于此前O~(T^{3/4})的最好结果。该结果部分缓解了维度灾难，但与Ω(T^{2/3})的下界仍有差距。其技巧可应用于重复双边贸易利润最大化问题，获得相同遗憾界。

论文遗憾最小化 CDF 双边贸易

推荐理由：这篇论文改进了二维CDF学习的遗憾界，从T^{3/4}降到T^{7/10}，还能用在双边贸易优化上，挺有理论价值的。

6月26日

10:39

10:39

官方账号arXiv cs.LG@Brian W. Lee, Nika Haghtalab, Michael I. Jordan, Ryan J. Tibshirani

该论文证明了梯度均衡（GEQ）与Blackwell可逼近性在算法上是等价的：任何Blackwell可逼近问题可通过调用GEQ黑盒求解，且误差率无渐进损失；反之亦然。结合已知的Blackwell可逼近性与遗憾最小化、校准之间的等价关系，GEQ也被证明与这些框架等价。论文还给出了高效归约，可将乐观性和强自适应性等精细保证从遗憾最小化迁移到GEQ。此外，作者识别出GEQ的充要条件，并建立了无约束与有约束决策集下不同GEQ概念之间的归约。

论文 Blackwell approachability gradient equilibrium 在线优化

推荐理由：这篇论文把梯度均衡、Blackwell可逼近性和遗憾最小化这几个在线学习的关键框架串起来了，证明它们本质等价，对理解在线优化底层逻辑很有帮助。