线性 bandit 纯探索中的多任务表示学习

基于摘要分析。本文研究线性 bandit 中的多任务纯探索：不是最大化累计收益，而是以较低采样复杂度识别各任务的最佳臂或最佳策略。核心贡献是在任务共享低维线性表示的条件下，通过联合表示学习与实验设计提高识别效率。 作者分别研究线性 bandit 的最佳臂识别（RepBAI-LB）和上下文线性 bandit 的最佳策略识别（RepBPI-CLB），提出 DouExpDes 与 C-DouExpDes。摘要说明，两种算法采用双重实验设计，为学习全局共享表示规划最优采样分配；其具体设计步骤、表示估计方式及停止条件尚未验证。这里的表示学习服务于序贯决策中的采样效率，而非一般分类任务的预测性能。 作者报告，相较于逐个独立求解任务的原生方法，学习任务间共同表示能够显著改善采样复杂度，并称这是据其所知首次展示表示学习对多任务纯探索的益处。摘要未给出复杂度表达式、适用条件或数值结果，不能据此量化收益。理论假设、实验协议、消融及统计信息尚未验证；临床试验与网页内容优化仅作为应用场景举例，并非摘要已展示的验证结果。 平台推测（待验证）：若某类 BCI 校准能够表述为从有限候选配置中识别最佳选项，并且不同被试或会话的响应确实共享低维线性结构，则该方法可能帮助减少校准试次。可复用部分是跨任务表示学习与采样分配思想；需要改造的是 EEG 特征、候选臂及反馈定义，并核对是否满足原方法的理论条件。低信噪比、非平稳性、通道差异及小数据下的表示估计误差都可能破坏共享结构。一个可检验的小实验是在固定候选配置和一致反馈协议下，比较共享表示分配与逐任务独立分配达到相同最佳选项识别标准所需的试次数，并通过减弱任务共享结构检查收益是否消失。已有 EEG 相关工作尚未检索确认。