本地差分隐私表格强化学习遗憾界获改进

Hugo Richard 发表论文，给出非交互式 ε-局部差分隐私（LDP）下时间齐次分段表格强化学习的遗憾界。当 H=1（即 LDP 上下文赌博机）时，极小极大遗憾为 min(K, √(max(S, exp(ε)+1)·S·A·K·(exp(ε)+1))/(exp(ε)−1))，该上界由 EXP3 变体与一元编码机制实现。 此前同类研究的遗憾界较宽松，新结果在相同隐私约束下收紧了理论保证。论文聚焦非交互式 LDP 设定，交互式或其他隐私模型不在结论范围内。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。