многорукий бандит

Определение

Форма онлайн-обучения, где алгоритм выбирает между несколькими вариантами (например, API) с неизвестной эффективностью, балансируя исследование и эксплуатацию для максимизации награды.

Где встречается

• 723. Как моделировать экономику агентов с ограниченными бюджетами на API вызовы
• 803. Как делать canary deployment для промптов (5% трафика)

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление