2025_NIPS_Improved Best-of-Both-Worlds Guarantees for Multi-Armed Bandits: FTRL with General Regu...

一、文章主要内容与创新点

核心内容

本文聚焦多臂老虎机（MAB）的“双优保障”（BOBW）问题，即设计能同时在随机环境和对抗环境下最优的自适应算法。针对现有基于FTRL（Follow-the-Regularized-Leader）的算法依赖“唯一最优臂”假设的缺陷，提出统一的臂依赖学习率调度和新分析技术，移除该假设并扩展至多种正则化器，同时将结果应用于解耦探索与利用（DEE-MAB）场景。

关键创新点

1. 移除唯一性假设：突破现有FTRL算法对“唯一最优臂”的依赖，支持多个最优臂场景，适用于log-barrier、β-Tsallis熵、Shannon熵等多种正则化器。
2. 统一臂依赖学习率：设计全新学习率调度γit=θ1+∑τ<<t(max{ piτ,1/T})1−2α\gamma_{i}^{t}=\theta \sqrt{1+\sum_{\tau<<t}(max \{p_{i}^{\tau}, 1 / T\})^{1-2 \alpha}}