研究：未知策略下老虎机迁移学习上下界

发生了什么

据arXiv cs.LG论文，研究探讨历史数据由未知自适应策略生成的随机多臂老虎机迁移学习问题。提出KL-UCB-Transfer算法，结合在线与历史数据，在特定条件下实现对数 regret。放宽源目标差异假设为单边条件，证明对数 regret 仍可持续，并刻画三种机制。仿真显示利用过程生成历史数据的实际益处。