Il prossimoProssima guida
Streaming speculativo e previsione multi-token
Tecnico
GUIDA TECNICA
Un bandito multi-armato è un problema decisionale in cui scegli ripetutamente tra opzioni con vantaggi sconosciuti e impari mentre procedi, bilanciando l'esplorazione di nuove opzioni con lo sfruttamento della migliore trovata.
Ascolta questa guidaNarrato dall'IA · ~2 min
Alimenta test A/B, consigli e selezione di annunci online.
Il nome deriva da un giocatore d'azzardo che affronta diverse slot machine (banditi con un braccio solo), ciascuna con un tasso di vincita sconosciuto, che vuole massimizzare la ricompensa su molte estrazioni. La tensione centrale è il compromesso esplorazione-sfruttamento: continuare a tirare il braccio che sembra migliore o provare bracci incerti per saperne di più. La performance è misurata dal rimorso, dal divario cumulativo tra le tue ricompense e dalla scelta sempre della vera arma migliore; i buoni algoritmi ottengono un rimpianto che cresce solo logaritmicamente nel numero di round. Le strategie classiche includono epsilon-greedy (sfruttare, ma esplorare a caso con una piccola probabilità), Upper Confidence Bound (scegliere il braccio con la stima ottimistica più alta) e Thompson sampling (campionare dalla convinzione posteriore di ciascun braccio e giocare il vincitore). I banditi contestuali estendono questo concetto utilizzando le caratteristiche della situazione da scegliere.
Un sito di notizie utilizza dei banditi per decidere quale variante del titolo mostrare, spostando rapidamente il traffico sulla versione che ottiene il maggior numero di clic.
Una piattaforma pubblicitaria online assegna le impressioni tra le creatività con il campionamento Thompson per massimizzare il click-through continuando a testare i nuovi annunci.
Uno studio clinico adattivo assegna più pazienti a trattamenti che mostrano risultati migliori, riducendo l’esposizione ai bracci inferiori.
Un servizio di streaming ottimizza le miniature dei consigli per utente con banditi contestuali che leggono le funzionalità della cronologia delle visualizzazioni.
I banditi si stanno diffondendo nell’apprendimento per rinforzo, dove costituiscono gli elementi costitutivi più semplici, e nella personalizzazione su larga scala con banditi contestuali e neurali che leggono funzionalità ricche. La ricerca attiva mira a ricompense non stazionarie che variano nel tempo, banditi con vincoli di sicurezza o equità e combinazione di banditi con un profondo apprendimento della rappresentazione. Aspettatevi che siano integrati in studi clinici adattivi, prezzi dinamici e sistemi LLM che scelgano suggerimenti o strumenti online controllando il rimpianto.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
Un bandito multi-armato è un problema decisionale in cui scegli ripetutamente tra opzioni con vantaggi sconosciuti e impari mentre procedi, bilanciando l'esplorazione di nuove opzioni con lo sfruttamento della migliore trovata. Alimenta test A/B, consigli e selezione di annunci online.
Epsilon-greedy sfrutta la leva migliore attuale per la maggior parte del tempo ed esplora una leva casuale con una probabilità epsilon piccola.
I banditi contestuali osservano le informazioni secondarie (caratteristiche) su ogni round e le usano per scegliere la leva migliore per quel contesto.
Il bonus UCB è maggiore per i bracci sottocampionati e si riduce man mano che il loro numero aumenta.
Il rimpianto logaritmico è sublineare nel numero di round, quindi il rimpianto medio per round può diminuire nel tempo.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Streaming speculativo e previsione multi-token
Tecnico