2025_NIPS_An Exploration-by-Optimization Approach to Best of Both Worlds in Linear Bandits

文章总结与翻译

一、主要内容总结

（一）核心研究问题

针对线性老虎机（linear bandits）问题，解决“双优”（best-of-both-worlds, BOBW）算法设计难题——即如何构造一种能同时在随机环境和对抗性环境中实现近最优性能的算法，无需预先知晓环境类型。

（二）核心方法

采用优化探索法（exploration-by-optimization, EXO） ，结合连续指数权重法（continuous exponential weights method）构建算法：

1. 通过指数权重法更新参考分布qtq_tq