双线性 Bandit 纯探索中的多任务表示学习

基于摘要分析。该研究关注双线性 Bandit 的多任务纯探索问题：利用任务间共享的低维线性表示，以更少样本识别各任务的最优臂对。作者提出 GOBLIN，通过实验设计分配用于学习全局表示和识别各任务最优动作的样本，并提供样本复杂度分析。 问题机制：每个动作由来自两种不同实体类型的两个臂组成，奖励是两臂已知特征向量的双线性函数。多任务共享低维线性表示，因此一个任务中的采样可能帮助其他任务学习共同结构。GOBLIN 的核心是同时考虑共享表示的学习需求与各任务最优臂对的辨识需求，而不是将任务完全独立求解；具体估计器、采样阶段与停止规则尚未验证。 结果与证据：作者报告，相较于独立求解各任务，学习共享表示能够显著改善样本复杂度；摘要未给出具体界、改善幅度或实验指标。作者称，据其所知，这是首项对具有共享表示的双线性 Bandit 纯探索问题给出样本复杂度分析的研究，该优先性声明尚未独立核实。理论假设、实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 BCI 校准可被建模为两类候选配置的配对选择，具有已知特征、可重复获得的标量反馈，且不同被试或会话确实共享低维结构，该机制可能用于减少逐任务搜索成本。这是假设，不是已证实的 EEG 效果。可复用的是共享表示与实验设计的采样分配思路；需改造的是 EEG 配置特征、反馈定义及非平稳性处理。低信噪比、被试差异、通道变化和小样本下的表示估计误差，都可能使共享结构假设失效。一个可证伪的小实验是，在固定候选配置与相同反馈预算下，比较共享表示策略和独立任务策略识别最优配置的成功率，并检查收益是否随任务相似性降低而消失。已有 EEG 相关工作尚未检索确认。