随机上下文多臂老虎机中的快速且样本高效的多任务表示学习

基于摘要分析。本文研究如何利用共享表示提高 contextual bandits（上下文多臂老虎机）的学习效率，提出低秩特征矩阵估计方法，并据此构建多任务线性 contextual bandits 算法。作者报告给出了算法的遗憾界证明，并开展了与基准算法的实验比较；摘要未提供界的具体形式或实验结果数值。 研究设定是同时运行 T 个维度为 d 的 contextual linear bandits，这些任务共享维度为 r、且 r 远小于 d 的线性表示。核心机制是利用这种共享低秩结构，通过交替投影梯度下降（GD）与最小化估计过程恢复低秩特征矩阵，再将估计结果用于多任务决策。摘要不足以确定目标函数、投影约束、初始化方式以及探索策略与表示更新如何衔接。 需要核对的关键证据包括：遗憾界依赖哪些任务相似性、上下文分布与噪声假设；共享表示相对独立学习在何种任务数和秩条件下获益；计算开销与样本效率如何衡量。实验数据、划分、基线名称、消融及统计信息尚未验证。 平台推测（待验证）：若某类 BCI 在线自适应任务能够明确建模为具有上下文、动作和反馈奖励的 bandit 问题，且多个任务确实共享低维线性结构，该方法可能提供跨任务共享参数的思路。这并非一般 EEG 分类方法：可复用的是低秩估计与多任务决策框架，需改造的是 EEG 上下文表示、动作空间和奖励定义。低信噪比、跨被试或通道差异、反馈稀疏及小数据可能使共享结构估计失效。一个可证伪的小实验是在预先固定的 EEG 上下文与明确的模拟奖励协议下，对比独立线性 bandit 与共享低秩方法，并逐步增加任务间结构差异，观察累计遗憾和计算成本；该结果仅能验证此模拟设定。相关 EEG 工作尚未检索确认。