Qirun Zeng

収録論文 1本 ・ フィジカルAI/ロボット学習

※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。

論文

• 報酬抑制を超えて：有界報酬ウォームスタートバンディットに対する準最適オフライン攻撃
  バンディット攻撃2026/10/7

  ウォームスタート履歴に偽の行動・報酬ペアを注入する攻撃を研究し、ターゲット腕が低報酬境界付近にある場合、UCBをほぼ常にターゲット選択させるにはコストの一部をターゲット腕自体の宣伝に割り当てる必要があることを示し、最適なサブリニアコストを達成する攻撃を設計した。