Bandidos Lineares Estocásticos com Ações Parcialmente Observadas

arXiv:2607.08971v1 Tipo de anúncio: novo Resumo: O bandido linear estocástico, no qual as ações são representadas como vetores e as recompensas são lineares, é um paradigma central para a tomada de decisão sequencial. Estudamos uma variante parcialmente observada desse problema, na qual o agente de aprendizado enxerga apenas um subconjunto aleatório de coordenadas para cada ação. Tal observabilidade parcial surge naturalmente em contextos como recomendação e saúde, onde descrições completas das ações podem ser caras ou até impossíveis de o...