Marketing Budget Allocation with Offline Constrained Deep Reinforcement Learning
Ant Group（蚂蚁集团）；Tsinghua University（清华大学）
本文提出一种基于博弈论和混合策略的离线值函数强化学习方法，用于解决营销预算分配问题，该方法只需存储恒定数量策略即可收敛至最优，并在大规模真实营销活动中验证了其优越性。
2023-09-06 cs.LG
Continual Task Allocation in Meta-Policy Network via Sparse Prompting
University of Technology Sydney（悉尼科技大学）；Southern University of Science and Technology（南方科技大学）；University of Maryland, College Park（马里兰大学帕克分校）
本文提出CoTASP，通过过完备字典生成稀疏提示并从元策略中提取任务子网络，在无经验回放条件下缓解持续强化学习的遗忘并提升泛化。
2023-06-03 cs.AI cs.LG
Optimal Data Driven Resource Allocation under Multi-Armed Bandit Observations
University of Athens（雅典大学）；Leiden University（莱顿大学）；Rutgers University（罗格斯大学）
本文研究带资源补充侧约束的多臂老虎机问题，首次提出渐近最优策略，推导遗憾下界并构造达到下界的策略，给出多种分布情形下的显式形式。
2025-02-06 cs.LG stat.ML
Adaptive Rollout Allocation for Online Reinforcement Learning with Verifiable Rewards
The Chinese University of Hong Kong（香港中文大学）；Huawei Hong Kong Research Center（华为香港研究中心）
VIP通过基于方差的预测分配策略提高在线强化学习中可验证奖励的采样效率和性能。
2026-03-05 cs.AI cs.CL cs.LG
SERA: Scale-Equalized Rollout Allocation for Maximum Likelihood Reinforcement Learning
Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Nanyang Technological University（南洋理工大学）
SERA通过重新分配固定回放预算以均衡有限回放尺度因子，解决MaxRL中低成功提示梯度衰减问题，提升梯度对齐与解覆盖率。
2026-09-30 cs.AI cs.LG
Where to Spend Rollouts: Hit-Utility Optimal Rollout Allocation for Group-Based RLVR
University of Pennsylvania（宾夕法尼亚大学）；New Jersey Institute of Technology（新泽西理工学院）；University of Tennessee Knoxville（田纳西大学肯纳邦克分校）
本文提出 HORA 方法，通过最大化 hit-utility 提升 RLVR 的效率，实验证明其在多个基准上优于 GRPO，且兼容其他组基估计器。
2026-10-30 cs.LG
Prompting Policies for Multi-step Reasoning and Tool-Use in Black-box LLMs with Iterative Distillation of Experience
Google Research（谷歌研究）
本文提出基于经验迭代蒸馏的强化学习框架，用于训练提示策略以提升黑盒LLM的多步推理和工具使用能力，实验显示在逻辑推理和工具使用任务中性能显著提升。
2026-05-14 cs.AI cs.LG cs.MA
Spend Your Rollouts Where It Counts: Rollout Allocation for Group-Based RL Post-Training
Cornell University（康奈尔大学）
提出 Pilot-Commit 框架，通过预算感知的展开分配策略，优先将计算资源分配给高信息量的提示，从而在组策略优化中减少采样成本并加速收敛。
2026-05-26 cs.AI cs.LG
Approximating Optimal Policies in Heterogeneous Asynchronous Multi-player Bandits
Ecole Polytechnique（巴黎综合理工学院）；INRIA（法国国家信息与自动化研究所）；Université Paris-Saclay（巴黎萨克雷大学）；CREST（CREST（法国国家统计与经济研究所研究中心））；ENSAE（法国国立统计与经济管理学校）
针对异构异步多玩家老虎机最优分配计算的未解决问题，证明其NP难性，提出贪心算法并给出1/e及1/√e的近似保证，为相关在线算法设计提供实用基准。
2026-10-14 cs.LG
Early Verdicts, Better Budgets: Sequential Adaptive Rollout Allocation for Compute-Efficient RLVR
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）；University of Washington（华盛顿大学）
针对RLVR中饱和组导致的rollout浪费问题，提出SARA方法，通过序贯分配规则减少rollout用量，在1.5B/3B模型上实现高效计算的同时保持性能。
2026-07-30 cs.LG
Rule-based and reinforcement-learning policies for resource allocation in a pediatric echo lab: a simulation study
Department of Applied and Computational Mathematics and Statistics, University of Notre Dame（应用与计算数学与统计学系，圣约翰大学）；Department of Pediatrics (Cardiology), Stanford University（儿科（心脏病学）系，斯坦福大学）；Department of Bioengineering, Stanford University（生物工程系，斯坦福大学）
针对超声心动图检查排程中的不确定性与资源不对称，本文构建 SimPy 与 Gymnasium 仿真环境，比较即时和预约分配，并用强化学习获得近似最优动态患者分配策略。
2026-10-15 cs.AI cs.LG
Deep Reinforcement Learning for Distributed Uncoordinated Cognitive Radios Resource Allocation
Rochester Institute of Technology（罗切斯特理工学院）
本文提出了一种新的深度强化学习为基础的资源分配技术的多智能体环境中提出的认知无线电网络，通过动态频谱接入（DSA）与主网络共存。在这项工作中提出的资源分配技术是分布式的，不需要与其他代理的协调。所提出的算法是第一个深度强化学习技术，其收敛到平衡的政策，可以显示在非平稳的多智能体环境中，通过共享的无线环境的无线电之间的不协调的动态交互的结果。此外，仿真结果表明，在有限的学习时间内，所提出的技术是能够找到的政策，产生的性能在3%的穷举搜索解决方案，找到最佳的政策，在近70%的情况下。此外，它表明，标准的单智能体深度强化学习可能无法实现收敛时，在非协调，耦合多无线电的情况下使用。
2020-03-06 cs.LG cs.NI stat.ML
TRACE: A Unified Rollout Budget Allocation Framework for Efficient Agentic Reinforcement Learning
Tsinghua University（清华大学）；Tencent（腾讯）
针对多轮智能体强化学习中奖励对比度不足的问题，提出TRACE框架，通过将每个ReAct式思考-行动-观察步骤建模为语义节点，在固定采样预算内将预算分配到提示根和中间前缀，增强奖励对比，提升策略更新信号。
2026-08-25 cs.AI cs.CL cs.LG
Do You Trust the Process?: Modeling Institutional Trust for Community Adoption of Reinforcement Learning Policies
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本研究提出信任感知的强化学习算法，在人道主义资源分配中建模制度信任，发现纳入信任可提升政策效果，并探讨配额制度以平衡公平与组织目标。
2025-10-24 cs.CY cs.LG cs.SI
A Context Augmented Multi-Play Multi-Armed Bandit Algorithm for Fast Channel Allocation in Opportunistic Spectrum Access
School of Computer Science and Technology（计算机科学与技术学院）；Xidian University（西安电子科技大学）；Research and Development（研发）；Hainayun IoT Technology Co., Ltd（海纳云物联网科技有限公司）；Hainayun IoT Technology Ltd（海纳云物联网科技有限公司）
针对机会频谱接入中的信道分配问题，提出一种上下文增强的多玩多臂老虎机算法，通过将信道噪声建模为奖励函数的扰动并利用信道状态信息作为上下文，分别针对线性和非线性相关性推导出两种索引策略，实现低遗憾和更合理的次优臂选择。
2026-05-25 cs.LG eess.SP
Fair Resource Allocation in Weakly Coupled Markov Decision Processes
GERAD & Department of Decision Sciences, HEC Montréal（GERAD与决策科学系，蒙特利尔HEC学院）；MILA - Quebec AI Institute, Montréal（魁北克人工智能研究所MILA，蒙特利尔）；GERAD & Department of Logistics and Operations Management, HEC Montréal（GERAD与物流与运营管理系，蒙特利尔HEC学院）
研究弱耦合马尔可夫决策过程中的公平资源分配，采用广义基尼函数定义公平性，首次证明同质情形可简化为排列不变策略上的功利主义优化，并提出基于计数比例的深度强化学习方法，实验验证其有效性。
2025-04-27 cs.LG
Vision-Language Models Provide Promptable Representations for Reinforcement Learning
U.C. Berkeley（加州大学伯克利分校）；Google DeepMind（谷歌DeepMind）
本文提出利用预训练视觉语言模型作为可提示表示来初始化强化学习策略，在Minecraft和Habitat任务中优于通用嵌入，且通过思维链提示提升新场景性能1.5倍。
2024-05-23 cs.AI cs.CV cs.LG
When are LLMs Sufficient Policy Optimizers for Sequential RL Tasks?
Department of Computer Science, Stanford University（计算机科学系，斯坦福大学）
提出PromptPO方法，利用LLM通过Python描述状态空间、动作空间和奖励函数，基于rollout反馈迭代生成和优化可执行策略，在多种环境中匹配或超越标准RL基线，但在细粒度连续控制任务中表现不足。
2026-06-29 cs.AI cs.LG
A Rollout-Based Algorithm and Reward Function for Resource Allocation in Business Processes
Eindhoven University of Technology Department of Industrial Engineering（埃因霍温理工大学工业工程与创新科学系）
针对现有深度强化学习方法不适用于业务流程动态环境、依赖人工设计奖励函数易导致次优策略的问题，提出基于rollout的DRL算法与直接分解最小化周期时间目标的奖励函数，在多场景与真实规模流程上性能优于或持平最佳启发式方法。
2025-09-02 cs.AI cs.LG
Code-Space Response Oracles: Generating Interpretable Multi-Agent Policies with Large Language Models
Google（谷歌）；DeepMind（深度思维）
本文提出代码空间响应预言机，利用大语言模型生成可解释的多智能体策略，通过代码生成任务提升策略的可解释性和复杂策略发现能力。
2026-03-10 cs.AI cs.GT cs.LG
Designing Heterogeneous GNNs with Desired Permutation Properties for Wireless Resource Allocation
School of Electronics and Information Engineering, Beihang University（北京航空航天大学电子信息工程学院）
本文提出一种系统性设计异构图神经网络的方法，通过构建合适的异构图并证明三个充分条件，使HetGNN满足复杂无线策略的排列性质，并在功率分配和混合预编码中验证了有效性。
2025-04-01 cs.LG cs.SY eess.SY
Model-Free Learning of Optimal Ergodic Policies in Wireless Systems
University of Pennsylvania（宾夕法尼亚大学）；Intel Corporation（英特尔公司）
无线系统中的学习最优资源分配策略可以有效地实现通过制定有限维约束程序，这取决于系统配置，以及所采用的学习参数化。这里的兴趣是在系统模型不可用的情况下，提示使用候选策略探测无线系统的方法，然后使用观察到的性能来确定更好的策略。由于需要从这些有限的系统查询中挑选出准确的梯度估计，因此该通用过程是困难的。本文构造和利用平滑代理的约束遍历资源分配问题，前者的梯度被精确表示为有限差分的平均值，可以通过有限的系统探测。利用这一独特的属性，我们开发了一个新的无模型的原始-对偶算法学习最优遍历资源分配，而我们严格分析原始的政策搜索问题和他们的代理人之间的关系，在原始和对偶域。首先，我们证明了原始和对偶域代理是其相应的原始有限维对应物的一致一致近似。在进一步假设使用近普遍的政策参数化，我们还开发了明确的界限之间的差距初始，无限维资源分配问题的最优值，和他们的参数化平滑代理的对偶值。事实上，我们表明，这种对偶差距以线性速率相对于平滑和普适性参数。因此，它可以任意变小，也证明了我们提出的原始-对偶算法配方。数值模拟证实了我们的方法的有效性。
2019-11-10 cs.LG cs.SY eess.SP
Fairness in Contextual Resource Allocation Systems: Metrics and Incompatibility Results
USC Center for AI in Society（南加州大学人工智能社会中心）；Stanford University（斯坦福大学）
我们研究分配稀缺资源以满足基本需求的关键系统，例如提供住房的无家可归者服务。这些系统往往支持不成比例地受到系统性种族，性别或其他不公正影响的社区，因此在设计这些系统时考虑到公平因素至关重要。为了解决这个问题，我们提出了一个框架，用于评估公平性的上下文资源分配系统的启发公平性度量在机器学习。这个框架可以应用于评估历史政策的公平性，以及在新的（反事实）分配政策的设计中施加约束。我们的工作最终与一组不兼容的结果，调查我们提出的不同的公平性指标之间的相互作用。值得注意的是，我们证明：1）分配的公平性和结果的公平性通常是不相容的; 2）基于脆弱性分数的优先级排序的政策通常会导致不同群体之间的不平等结果，即使分数是完全校准的; 3）使用背景信息的政策超出了描述基线风险和治疗效果所需的范围，其结果可能比仅使用基线风险和治疗效果的政策更公平;以及4）考虑到所有可用的信息，除了基线风险和治疗效果之外，还使用群体状态的政策尽可能公平。我们的框架可以帮助指导利益相关者之间的讨论，以决定在分配稀缺资源时实施哪些公平性指标。
2022-12-04 cs.CY cs.LG
Inherent Trade-offs in the Fair Allocation of Treatments
University of Southern California（南加利福尼亚大学）；USC Information Sciences Institute（南加利福尼亚大学信息科学研究所）
显性和隐性的偏见蒙蔽了人的判断，导致对少数群体的歧视性待遇。算法公平性的一个基本目标是通过学习改善总体结果的策略，同时为受保护的类提供公平待遇，从而避免人类判断中的陷阱。在本文中，我们提出了一个因果框架，学习最优的干预政策，从数据的公平性约束。我们定义了两种治疗偏倚的测量方法，并推断出最佳治疗分配，最大限度地减少偏倚，同时优化总体结局。我们证明，有一个平衡的公平和整体利益的困境，但是，允许优惠待遇，在某些情况下（平权行动）的保护类可以显着提高整体利益，同时也保持公平。我们将我们的框架应用于包含学生标准化考试成绩的数据，并展示了如何使用它来设计现实世界的政策，以公平地提高学生的考试成绩。我们的框架提供了一种原则性的方法来学习现实世界中的公平待遇政策。
2020-10-30 cs.AI cs.CY cs.LG
Learning Optimal and Fair Policies for Online Allocation of Scarce Societal Resources from Data Collected in Deployment
USC CAIS Center for Artificial Intelligence in Society（USC 人工智能与社会中心）；Luxembourg Centre for Logistics and Supply Chain Management, University of Luxembourg（卢森堡物流与供应链管理中心，卢森堡大学）
本文研究稀缺社会资源的在线分配问题，提出一种基于部署数据的策略，在满足预算约束下最大化预期结果，并支持公平性约束，在洛杉矶住房分配实验中使退出无家可归的比率提高5.16%。
2025-08-11 cs.LG math.OC physics.soc-ph
Improved Policy Evaluation for Randomized Trials of Algorithmic Resource Allocation
Harvard University（哈佛大学）；Google Research（谷歌研究院）；Carnegie Mellon University（卡内基梅隆大学）
我们认为，通过随机对照试验（RCT）的算法资源分配的政策进行评估的任务。这些政策的任务是优化有限干预资源的利用，以最大限度地扩大所产生的惠益。通过随机对照试验对这种分配政策进行评估证明是困难的，尽管试验的规模很大，因为通过控制政策决定的资源限制，个人的结果是不可分割地相互关联的。我们的主要贡献是提出了一个新的估计器，利用我们提出的新概念，这涉及到在RCT结束时跨实验组的参与者的回顾性重新洗牌。我们确定的条件下，这种再确认是允许的，可以利用构建反事实的审判，其结果可以准确地确定，免费的。我们从理论上证明，这样的估计是更准确的比常见的估计的基础上样本均值-我们表明，它返回一个无偏估计，同时减少方差。我们通过对合成、半合成以及真实案例研究数据的实证实验证明了我们方法的价值，并全面提高了估计精度。
2023-02-06 cs.AI cs.LG stat.ME
Dynamic Prompt Allocation and Tuning for Continual Test-Time Adaptation
Shandong University of Finance and Economics（山东财经大学）；Shandong University（山东大学）
针对持续测试时自适应中共享模型易引发域间干扰、灾难性遗忘的问题，提出动态提示分配与调优方法PAINT，通过查询机制判断样本所属域并分配对应可学习域专属提示，结合互信息最大化与结构正则化调优，在三个基准数据集上验证了有效性。
2024-12-12 cs.LG
Learning Resource Allocation Policies from Observational Data with an Application to Homeless Services Delivery
University of Southern California（南加州大学）
我们研究学习的问题，从观察数据，公平和可解释的政策，有效地匹配异质个体的不同类型的稀缺资源。我们将此问题建模为一个多类多服务器排队系统，其中个人和资源随时间随机到达。每个个体在到达时被分配到一个队列中，在那里他们等待与资源匹配。根据对服务于每个队列的资源类型进行编码的资格结构，以先到先服务（FCFS）的方式分配资源。我们提出了一种基于现代因果推理技术的方法来构建个人队列以及学习匹配结果，并提供了一个混合整数优化（MIO）配方来优化资格结构。MIO问题是在等待时间和公平性约束下最大化策略结果的问题。它非常灵活，允许额外的线性域约束。我们使用合成和真实世界的数据进行广泛的分析。特别是，我们使用美国无家可归者管理信息系统（HMIS）的数据来评估我们的框架。我们获得了与FCFS政策一样低的等待时间，同时提高了服务不足或弱势群体的无家可归率（黑人高出7%，17岁以下高出15%）和整体。
2022-06-03 cs.CY cs.LG
Evaluating the Effectiveness of Index-Based Treatment Allocation
Harvard University（哈佛大学）；Stanford University（斯坦福大学）；Google Research India（谷歌研究院印度分部）；Google Research（谷歌研究院）
本文提出了一种高效估计器和置信区间计算方法，用于评估基于指数的资源分配策略，解决了智能体间依赖性问题，并在mHealth项目中验证了其有效性。
2024-02-19 cs.AI cs.LG stat.ME
Balancing Immediate Revenue and Future Off-Policy Evaluation in Coupon Allocation
Recruit. Co., Ltd.（瑞克鲁特公司）；Tokyo Institute of Technology（东京工业大学）
针对优惠券分配中即时收益与未来OPE数据收集的冲突，本文提出融合模型化收益策略与随机探索策略的可调混合框架，并将最优混合比建模为多目标优化问题。
2024-09-08 cs.AI cs.LG
(Machine) Learning What Policies Value
Brown University（布朗大学）；U.C. Berkeley（加州大学伯克利分校）
当一项政策优先考虑一个人时，是因为他们受益更多，还是因为他们更受欢迎？本文提出了一种方法来揭示与观察到的分配决策一致的值。我们使用机器学习方法来估计每个人从干预中受益的程度，然后将其分配与（i）分配给不同人的福利权重;（ii）干预的异质处理效应;（iii）不同结果的权重进行协调。我们通过分析墨西哥的PROGRESA反贫困计划来证明这种方法。分析表明，虽然该方案优先考虑某些亚群体-如土著家庭-但这些群体受益更多这一事实意味着，他们实际上得到的福利权重较低。PROGRESA案例说明了该方法如何使审计现有政策成为可能，并设计出更符合价值观的未来政策。
2022-06-01 cs.CY cs.LG econ.GN
Interpretable Machine Learning for Resource Allocation with Application to Ventilator Triage
HEC Paris（巴黎高等商学院）；Columbia University（哥伦比亚大学）；Albert Einstein College of Medicine（阿尔伯特·爱因斯坦医学院）；Montefiore（蒙特菲奥里医疗中心）
针对医疗资源分配中的呼吸机分诊问题，提出基于马尔可夫决策过程的可解释树策略模型，利用动态规划算法生成分诊指南，并在COVID-19数据上显著减少超额死亡。
2024-11-11 cs.CY cs.LG
Cross-Epoch Adaptive Rollout Optimization for RL Post-Training
Department of Industrial Engineering & Decision Analytics, Hong Kong University of Science and Technology（工业工程与决策分析系，香港科学与技术大学）
针对提示词训练信号差异大的问题，提出CERO方法，通过贝叶斯估计提示词成功概率并利用Fenchel对偶优化自适应分配展开预算，在固定总预算下提升样本效率。
2026-06-04 cs.AI cs.LG math.OC
Policy Optimization for Dynamic Heart Transplant Allocation
本文提出动态心脏移植分配政策优化方法，通过模拟器评估不同策略，改进分配过程以提高患者生存率。
2025-12-13 cs.LG
Learning Resource Allocation Policy: Vertex-GNN or Edge-GNN?
本文分析Vertex-GNN与Edge-GNN在学习无线资源分配策略（链路调度、功率控制、预编码）中的表达能力，发现Edge-GNN在区分信道矩阵上更优，且能以更低训练和推理时间达到相同性能。
2023-12-24 cs.LG eess.SP
Send a SCOUT First: Pre-hoc Reasoning for Adaptive Detector Allocation in Prompt-Injection Defense
UC San Diego（加州大学圣迭戈分校）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对提示注入检测器异构且不可靠的问题，提出SCOUT框架，通过预测每个检测器对每个样本的可靠性和延迟，动态分配检测器，实现安全性与效率的权衡。
2026-08-27 cs.CR cs.LG
Differential Refresh of Materialized Derived State: From a Single-Age Equivalence Limit to an Optimal Per-Partition Allocation, with a Real-System Validation on Materialized Views
本文证明全局陈旧度阈值等价于统一定时器，提出按分段差异化刷新，最优频率与风险平方根成正比，模拟中降低陈旧暴露8-29%。
2026-10-20 cs.DC cs.LG
Off-Policy Evaluation and Counterfactual Methods in Dynamic Auction Environments
Michigan State University（密歇根州立大学）；Expedia Group（亿客行集团）
本文研究动态拍卖资源分配中的OPE问题，提出在A/B测试前使用反事实估计器快速评估候选策略，以降低实验成本并支持更明智的策略选择。
2025-01-09 cs.AI cs.LG q-fin.CP
Distributed Learning Policies for Power Allocation in Multiple Access Channels
Centre National de la Recherche Scientifique (CNRS)（法国国家科学研究中心）；Laboratoire d’Informatique de Grenoble（格勒诺布尔计算机实验室）；École Polytechnique（巴黎综合理工学院）；ETIS/ENSEA – Université de Cergy-Pontoise – CNRS（ETIS/ENSEA–塞尔吉-蓬图瓦兹大学–法国国家科学研究中心）；Supélec（高等电力学院）；University of Athens（雅典大学）；Laboratoire des Signaux et Systèmes, Supélec（信号与系统实验室，高等电力学院）
我们分析了正交多址接入信道的分布式功率分配问题，考虑一个连续的非合作博弈，其策略空间代表用户在网络信道上的传输功率分布。当渠道是静态的，我们发现，这个游戏承认一个确切的潜在功能，这使我们能够表明，它有一个唯一的平衡几乎肯定。此外，使用游戏的潜在属性，我们推导出一个修改后的版本的复制动态的进化博弈论，适用于这个连续的游戏，我们表明，如果网络的用户采用分布式学习计划的基础上，这些动态，然后他们收敛到均衡指数迅速。另一方面，如果信道不保持静态而是随时间随机波动，遵循平稳遍历过程，则会出现重大挑战。在这种情况下，相关的遍历博弈仍然存在唯一的均衡，但学习分析变得更加复杂，因为复制者的动态不再是确定性的。尽管如此，通过采用随机近似理论的结果，我们表明，用户仍然收敛到游戏的唯一均衡。我们的分析取决于一个博弈理论的结果，这是独立的利益：在有限的球员游戏，承认（可能是非线性的）凸势函数，复制动力学（适当修改，以考虑非线性收益）收敛到一个eps-邻居的平衡在O（log（1/eps））的时间。
2011-11-16 cs.GT cs.LG cs.NI
Data-Prompt Co-Evolution: Growing Test Sets to Refine LLM Behavior
Yonsei University（延世大学）
本文提出数据提示共演方法，通过交互系统帮助开发者发现边缘案例并迭代优化提示，使LLM行为更符合预期政策。
2026-03-24 cs.HC cs.LG
Optimal Resource Allocation for ML Model Training and Deployment under Concept Drift
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Devcom Army Research Laboratory（陆军研发实验室）
本文提出了一种模型无关框架，研究在概念漂移和有限预算下如何通过最优资源分配提高ML模型训练和部署效率，证明了在不同分布下最优策略与启发式方法的差异。
2026-08-03 cs.LG cs.NI
Preference Goal Tuning: Post-Training as Latent Control for Frozen Policies
Peking University（北京大学）；Tencent AI Lab（腾讯AI实验室）
本文提出偏好目标微调（PGT），通过冻结策略并优化潜在目标，使策略在无监督下适应任务偏好，实现在Minecraft SkillForge基准上显著提升性能。
2026-05-01 cs.AI cs.LG
Fast State-Augmented Learning for Wireless Resource Allocation with Dual Variable Regression
Department of Electrical and Systems Engineering, University of Pennsylvania（宾夕法尼亚大学电气与系统工程系）；Department of Biostatistics and Bioinformatics, Duke University（杜克大学生物统计与生物信息学系）；Johns Hopkins Applied Research Laboratory (APL)（约翰霍普金斯应用研究实验室）
研究多用户无线网络资源分配问题，提出基于状态增强图神经网络的方法，利用双变量回归实现对偶乘数近最优初始化加快推理，通过最大化拉格朗日函数改善模型训练，经实验验证算法性能优越并给出收敛结果和概率界。
2026-07-27 cs.LG eess.SP
Fair Resource Allocation in Virtualized O-RAN Platforms
TU Delft（代尔夫特理工大学）；NEC Labs Europe（欧洲 NEC 实验室）；i2CAT；ICREA（加泰罗尼亚研究与高级研究所）
本文针对虚拟化 O-RAN 平台的高能耗问题，提出结合计算与无线策略及新型在线学习框架，在保障长期公平性的同时实现节能与性能的平衡，并在真实场景中验证了其有效性。
2024-02-17 cs.AI cs.LG cs.NI
UniMaia: Steering Chess Policies with Language for Human-like Play
University of Waterloo（滑铁卢大学）；Carleton University（卡尔顿大学）
提出UniMaia框架，通过参数高效文本编码器和ControlNet风格调节机制，在冻结的Lc0国际象棋策略网络上实现提示条件策略调制，实现语义控制（如开局选择和玩家强度）并保持预训练策略表征，同时构建大规模元数据增强的Lichess数据集和半自动提示生成管道，在多个基准上取得最优或竞争性结果。
2026-05-26 cs.AI cs.CL cs.LG
Deep Learning Power Allocation in Massive MIMO
University of Pisa（比萨大学）；CentraleSupélec（巴黎中央理工-高等电力学院）；Université Paris-Saclay（巴黎萨克雷大学）；Huawei Technologies（华为技术有限公司）
该工作倡导使用深度学习来在大规模多输入多输出网络的下行链路中执行最大-最小和最大-prod功率分配。更准确地说，训练深度神经网络以学习用户设备（UE）的位置与最优功率分配策略之间的映射，然后用于预测新的UE位置集合的功率分配简档。与传统的面向优化的方法相比，深度学习的使用显著改善了功率分配的复杂性-性能权衡。特别是，所提出的方法不需要计算任何统计平均值，这将是必要的，而使用标准的方法，并能够保证接近最佳的性能。
2019-06-03 cs.IT cs.LG eess.SP
Joint Model Assignment and Resource Allocation for Cost-Effective Mobile Generative Services
School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院）；School of Computer Science and Engineering, Central South University（中南大学计算机科学与工程学院）；University of Windsor（温莎大学）
针对移动AIGC服务的高计算需求挑战，提出边缘赋能的服务系统，通过概率模型分配与启发式自适应资源配置算法，实现生成质量提升与延迟降低。
2024-09-09 cs.AI cs.DC cs.LG
Unsupervised Resource Allocation with Graph Neural Networks
Princeton University（普林斯顿大学）；Fermilab（费米实验室）
我们提出了一种方法，通过学习如何在无监督的方式分配资源，以最大限度地提高全球的效用函数。我们希望分配目标之间的相互作用是重要的，因此建议学习奖励结构的GNN接近最优的分配政策。通过放松资源约束，我们可以采用基于梯度的优化，而不是更标准的进化算法。我们的算法的动机是在现代天文学的一个问题，其中一个需要选择有限的初始信息的基础上，在$10^9$星系，其详细的测量将导致最佳的推断宇宙的组成。我们的技术提供了一种灵活的学习分配策略的方法，只需要感兴趣的物理和测量过程的前向模拟器。我们预计，我们的技术也将在一系列的资源分配问题的应用。
2021-06-17 astro-ph.CO astro-ph.IM cs.AI
