半重叠多臂老虎机用于支持网络学习

本文介绍了一种新的框架，顺序支持网络学习（SSNL），以解决在评估共享且计算密集型、复杂的AI/ML场景中识别最佳候选者的问题。它提出了一个新的纯探索模型，半重叠多臂老虎机（SOMMAB），并开发了一种具有改进误差界限的广义GapE算法。这项工作的意义在于为适用于多任务学习和联邦学习等各种学习问题的顺序学习工具提供了理论基础和性能保证。

• •介绍了顺序支持网络学习（SSNL），用于在共享评估场景中识别最佳候选者。
• •提出了半重叠多臂老虎机（SOMMAB）模型。
• •开发了一种具有改进误差界限的广义GapE算法。
• •为各种应用（MTL、ATL、FL、MAS）中的顺序学习工具提供了理论基础和性能保证。