LinUCB 的采样分配：小间隙区间中的最优设计极限

基于摘要分析。本文研究 LinUCB 在小奖励间隙区间中的采样分配：在决策时域 n 内，奖励间隙的量级至多为 n^{-1/2}。作者报告，通过平均场视角刻画经验采样分布，证明该分布在 n→∞ 时趋近 D-optimal designs 的集合，将以遗憾为目标的在线学习与信息高效的实验设计联系起来。 核心分析对象是经验采样分布，它在整个决策时域上汇总自适应决策的影响，而非仅考察单步动作选择。摘要指出，该小间隙尺度对应最坏情形遗憾下界中的困难实例，LinUCB 在此类问题上的遗憾表现已知达到近最优水平，仅相差关于 n 的对数因子。作者报告的新增结论是：在这一尺度下，LinUCB 的采样分配还具有学习奖励参数的渐近效率。 基于最优设计极限，作者报告两项推论：一是刻画小间隙区间中渐近遗憾的首阶常数；二是证明正则化最小二乘估计量满足中心极限定理类型的结果，从而为自适应采样下的奖励参数提供有效统计推断。摘要未提供首阶常数的具体表达式、收敛速率或推断构造；动作集合、奖励噪声、正则化与探索参数的条件，以及实验协议、消融及统计信息尚未验证，不能据此判断有限时域效果。 平台推测（待验证）：若某类 BCI 在线任务可表示为线性奖励模型，动作对应刺激或反馈策略，且奖励差异处于小间隙尺度，该理论可能帮助分析策略收益与参数估计信息量之间的关系。可复用的是采样分配和估计量推断的分析框架，需改造的是 EEG 状态特征、奖励定义及非平稳性处理。低信噪比、被试差异与小样本可能使线性模型及渐近条件失效。一个可证伪的小实验是在具有已知奖励参数的模拟 BCI 环境中，比较 LinUCB 的经验采样分布与 D-optimal designs，并检查参数置信区间覆盖率随时域增长的变化；这不是已验证的 EEG 结果，已有 EEG 相关工作尚未检索确认。