Sharan Sahu, Martin T. Wells · 2026 · arXiv
DOI: 10.48550/arXiv.2610.29982 · open-access PDF
Les expériences adaptatives utilisent des algorithmes de bandits pour favoriser des interventions avec des récompenses plus élevées attendues. Cependant, les décideurs ont également besoin d'une conclusion fiable sur les effets actuels du traitement: les différences entre l'intervention et le bras de référence représentent des récompenses moyennes à l'heure actuelle, plutôt que des moyennes historiques. Ces objectifs sont en conflit: la maximisation des récompenses favorise de meilleures interventions, tandis que l'inférence de l'effet courant nécessite une exploration continue d'interventions potentiellement sous-optimales à mesure que les résultats changent au fil du temps.
Machine translation (Meta M2M100); the English original follows.
Adaptive experiments use bandit algorithms to favor interventions with higher expected rewards. However, decision-makers also require reliable inference on current treatment effects: differences between intervention and reference-arm mean rewards at the present time, rather than historical averages. These objectives conflict: reward maximization favors better interventions, whereas current-effect inference requires continued exploration of potentially suboptimal interventions as outcomes change over time. We characterize this tradeoff for $K$-arm bandits with Hölder-smooth mean rewards of expo
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.29982, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange