Thompson sampling

Определение

Байесовский метод multi-armed bandit, выбирающий действие пропорционально вероятности быть оптимальным; используется для баланса exploration/exploitation.

Где встречается

• 382. Как вы проектируете canary deployment для LLM модели
• 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