Многорукий бандит
Задача теории вероятностей и обучения с подкреплением (multi-armed bandit): нужно раз за разом выбирать одно из нескольких действий с заранее неизвестной отдачей и набрать как можно больше награды, балансируя между исследованием новых вариантов и использованием лучших из уже известных. Так же называют и алгоритмы её решения, которые применяют, например, вместо A/B-тестов и в рекомендательных системах. Название отсылает к игровым автоматам — «одноруким бандитам».
проверено по: en.wikipedia.org ↗
См. также
В новостях
Sakana AI выложила QD-Rec — метод рекомендаций с доводами за каждый выбор
Задача и класс алгоритмов, которые распределяют ограниченное число попыток между вариантами, балансируя между проверкой уже удачных и изучением новых.
Google собрала ИИ-сорежиссёра для связных видео длиной в минуты
Класс задач и алгоритмов, где нужно раз за разом выбирать один из нескольких вариантов с заранее неизвестной отдачей. Алгоритм пробует новые варианты и чаще возвращается к тем, что уже принесли хороший результат.