论文Agent 与开发者11:11NPCB 算法:用前景理论替代期望奖励的非参数 Bandit 研究把行为经济学的前景理论塞进 Bandit 决策里,遗憾界还和风险中性一样,理论党会喜欢这篇。#CPT#Bandit#非参数#核函数aarXiv cs.LG@Devdan Dey 等 3 人原文稍后读已读值得跟进有用关注 CPT