正在加载模式…
🎰
多臂老虎机优化(MAB)
在不确定性下进行序贯决策，实现探索与利用之间的最优权衡
复杂度: medium探索与发现
30秒速览
- 是什么
- 在尝试新选项与利用已知优质选项之间取得平衡，用置信上界决定每一轮拉动哪个臂。
- 何时使用
- 回报不确定的重复决策：每次选择都能带来学习，且需要将长期的累计遗憾降到最低。
- 注意
- 如果奖励信号有噪声、有延迟，或环境变化快于算法的适应速度，就会收敛缓慢或做出糟糕的决策。
向AI专家咨询此模式
打开助手并预填您的问题,发送前可先确认。
多臂老虎机优化: 概览
在不确定性下进行序贯决策，实现探索与利用之间的最优权衡
- Regret minimization
- Confidence bounds
- Bayesian optimization
- Contextual awareness
- Non-stationary adaptation
- Multi-objective handling
The Agent Architect
每周一个模式、一个权衡、一个生产事故案例。为构建智能体系统的人准备的每周简报。
每周一封邮件,一键退订。您的地址仅用于发送简报。
参考资料
该模式所依据的论文、规范和代码仓库。
由本目录背后的工程师执行
为你的智能体架构做一次评审
本页讲的是一个模式。真实系统会同时跑几十个，而多数故障恰恰出在它们的衔接处。我们按本目录的 288 个模式评审你的整体设计：架构、可靠性、评测与成本，每一条结论都对应到能修复它的模式。
€750（原价 €1,500），一周交付，书面报告加讲解通话，9月30日前