Johns Hopkins University（约翰斯·霍普金斯大学）

Multiscale Reward Hedging from Correct Demonstrations

基于正确示范的多尺度奖励对冲

Pahan Dewasurendra

机构 * Johns Hopkins University（约翰斯·霍普金斯大学） 纠错

AI总结 该研究针对从正确示范学习的问题，提出多尺度奖励对冲方法，获首个无时间范围的多项式有限界，在上下文推荐等任务中取得良好效果，且计算效率在特定场景下可优化。

Dirichlet Follow-the-Leader Closes the Gap in Simultaneous Multiclass U-Calibration

狄利克雷逐次学习器缩小多类别U校准的差距

Pahan Dewasurendra

机构 * Johns Hopkins University（约翰斯·霍普金斯大学） 纠错

AI总结 本研究提出狄利克雷逐次学习器算法，解决了多类别U校准中预测器的悔策率差距问题，得到的算法对有界和光滑真损失均达到最优悔策率。