Annealed Softmax Greedy in Many-Armed Bayesian Bandits 文章

ArXiv CS.AI2026-06-01NEWSen作者: William Overman, Mohsen Bayati
查看原文 →
关系图谱

Annealed Softmax Greedy in Many-Armed Bayesian Bandits · 相关技术

相关技术

Bayesian Bernoulli banditannealed softmax (Boltzmann) policyKL penaltyGRPORLVR