PyTorchKR Papers

최신 논문

총 3편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.08979v1cs.LG

쌍별 비교로부터의 최적 상위-$k$ 식별

Optimal Top-$k$ Identification from Pairwise Comparisons

우리는 잡음이 있는 쌍별 비교로부터의 고정 신뢰도 기반 상위-$k$ 식별이라는 능동 학습 문제를 연구한다. 이 문제에서 알고리즘은 비교할 아이템 쌍을 순차적으로 선택하고 결과를 관찰하며, 오류 확률이 최대 $δ$인 상태에서 상위-$k$ 아이템 집합을 반환할 수 있을 때 멈춘다. 목표는 기대 비교 횟수(샘플 복잡도)를 최소화하는 $δ$-정확 절차를 설계하는 것이다. 이 문제는 밴딧 모델에서의 고정 신뢰도 순수 탐험(pure exploration)에 관한 광범위한 문헌에 속하며, 공통적인 목표는 점근적 최적성이다: $δ\to 0$일 때 알고리즘의 기대 샘플 복잡도가 정보이론적 하한과 일치한다. 점근적으로 최적인 절차가 다양한 고정 신뢰도 순수 탐험 문제에 대해 개발되어 왔으나, 우리가 아는 한 잠재 효용 모델 하에서 쌍별 비교를 통한 상위-$1$ 또는 더 일반적으로 상위-$k$ 식별에 대한 점근적 최적 알고리즘은 아직 확립되지 않았다. 이 설정에서 우리는 그러한 알고리즘을 개발한다. 우리는 하한의 구조를 분석하고 이를 안장점(saddle-point) 문제로 정식화한다. 이 구조를 통해 온라인으로 점근적 최적 비교 할당을 학습하는 계산 효율적인 프라이멀-듀얼 절차가 가능해진다. 이후 프라이멀-듀얼 절차가 학습한 할당을 추적하는 적응적 비교 할당 알고리즘을 구성하고, 이 알고리즘이 점근적으로 최적임을 증명한다.

arXiv:2607.04824v1cs.LG

Probably Correct Optimal Stable Matching under Two-Sided Uncertainty

양면 시장에서 양측 선호도가 모두 미지(未知)인 안정 매칭 문제를 세미-밴딧 피드백 구조 하의 순차적 학습으로 정식화하고, 만연 안정 매칭(pervasive stable matching) 개념을 활용해 부분 선호도만으로 최적 안정 매칭을 높은 확률로 식별하는 제거 기반 알고리즘을 제안한다. 이 알고리즘은 전통적인 최소 보상 격차 Δ_min 의존성 없이 후회 경계를 달성하며, 샘플 복잡도 분석도 이분 그래프의 엣지 색칠 논거로 정제된다.

arXiv:2606.21889v1cs.LG

다중 정답 및 응답 불가 추정치를 포함한 순위 선택

Ranking-and-Selection with Multiple Correct Answers and Non-Answerable Estimates

우리는 답이 유일하지 않을 수 있고 잡음이 있는 추정치가 일시적으로 유효한 답을 전혀 허용하지 않을 수 있는 구조화된 환경에서 고정 정밀도(fixed-precision) 순위 선택(ranking-and-selection)을 연구한다. 이 현상은 다중 충실도 순위 선택(multi-fidelity ranking-and-selection) 및 쌍별 비교(pairwise comparisons)로부터 콩도르세 승자(Condorcet winner)를 식별하는 문제에서 자연스럽게 발생한다. 이를 해결하기 위해, 우리는 답별 수용 집합(answer-wise acceptance sets), 제한된 일반화 가능도 비율 정지(restricted generalized likelihood ratio stopping), 그리고 max-max-min 특성값과 공통 샘플링 원칙을 도출하는 답-함정 분해(answer-pitfall decomposition)에 기반한 통합 프레임워크를 제안한다. 우리는 추정, 지명, 함정 탐지, 비용 인식 정보 지향 선택(cost-aware information-directed selection)을 결합한 일반 절차인 ENDS를 소개한다. 명시적 공식을 도출하여 다양한 문제에 대해 ENDS를 구체화한다. 광범위한 수치 실험을 통해 이 통합된 방법이 다양한 순수 탐험(pure-exploration) 문제에서 우수한 성능을 발휘하며 실용적인 프레임워크와 개념 증명(proof-of-concept) 알고리즘 방법을 제공함을 보인다.