محققان در پژوهشی تازه، مرزهای جدیدی را برای یادگیری تقویتی (Bandit Convex Optimization) تعریف کردهاند. این مطالعه ثابت میکند که برخلاف تصورات قبلی، بهینهسازی در این مدلها بسیار پیچیدهتر از «بندیتهای خطی» ساده است.
تیم پژوهشی با معرفی یک حد پایین جدید (Lower Bound)، نشان دادند که سختی محاسباتی این مسائل با افزایش ابعاد، با سرعتی بیشتر از نرخهای معمول رشد میکند. این دستاورد تئوریک، درک ما را از محدودیتهای مدلهای یادگیری عمیق در محیطهای پیچیده عمیقتر میکند. 🧠📐
منبع: arXiv Machine Learning