原创力文档- 1、本文档共47页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
ShuaiLi(https://shuaili8.github.io/)
ShanghaiJiaoTongUniversity
ThisworkispublishedatICML2024
Oct13,2024
/abs/2406.01386
DrivingCancombinatorialMABhandledecision-makingsystemswithstates?
questionWhatistherelationshipbetweenRLandcombinatorialMAB?
Maintechnicalresult
●EpisodicRLisaninstanceofCMABConnection
●Plug-inCMABalgorithms/analysisthatachieves
Plug-inSolution
near-optimalregret
●IntegratingRLstructureachievesminimaxMinimaxOptimal
optimalregret
•Backgroundofmulti-armedbandit(MAB)and
combinatorialMAB(CMAB)
•EpisodicRLanditsconnectionwithCMAB
•CMABviewofsolvingepisodicRL
•Backgroundofmulti-armedbandit(MAB)and
combinatorialMAB(CMAB)
•EpisodicRLanditsconnectionwithCMAB
•CMABviewofsolvingepisodicRL
max()●():reward/utilityfordecision
●[]:mcandidatedecisions
..∈[]
DrivingRecSysLLMselection
arm1
arm2=2
Items,products,route,…
●Anagentandarms
●Eacharm∈hasarewarddistributionwithunknownmean
●Ineachround=1,2,…:
CTR,preference,delay,…
○Theagentselectsanarm∈
○Observesreward∼
∗
文档评论（0）