Practical Batch Bayesian Sampling Algorithms for Online Adaptive Traffic Experimentation
eBay, Inc.（易贝公司）
本文针对 eBay 在线实验平台提出四种贝叶斯批量老虎机算法，其中 WB-TTTS 高效可信，并揭示中性后验重塑与等效最佳臂假阳性控制之间的联系，以提升自适应流量实验的可信度。
2023-09-17 cs.LG stat.AP stat.ME
Efficient Adaptive Experimentation with Noncompliance
Cornell University（康奈尔大学）；Netflix（网飞）
针对仅能通过二元工具变量鼓励处理的自适应实验中ATE估计问题，提出具备方差最优分配的自适应多重稳健估计量AMRIV，兼具效率与稳健性。
2025-10-28 cs.LG stat.ME stat.ML
Adaptive Experimental Design and Counterfactual Inference
Amazon（亚马逊）；University of Washington（华盛顿大学）
自适应实验设计方法越来越多地被用于工业中作为一种工具，以提高测试吞吐量或降低实验成本相对于传统的A/B/N测试方法。本文分享了在非平稳性普遍存在的工业环境中天真地使用自适应实验系统的挑战和陷阱方面的经验教训，同时还提供了这些环境中适当目标和系统规格的观点。我们开发了一个自适应的实验设计框架，反事实推理的基础上，这些经验，并在商业环境中进行了测试。
2022-10-25 cs.LG stat.ME
Adaptive Experimentation When You Can't Experiment
University of Arizona（亚利桑那大学）；Amazon（亚马逊）；University of Washington（华盛顿大学）
本文提出CPET-LB问题，针对无法直接随机分配用户的在线服务场景，利用随机化激励设计并结合工具变量估计与消元式算法，实现近最优样本复杂度的自适应纯探索。
2024-06-15 cs.LG stat.ME
The Power of the Pareto Front: Balancing Uncertain Rewards for Adaptive Experimentation in scanning probe microscopy
University of Tennessee（田纳西大学）；Pacific Northwest National Laboratory（太平洋西北国家实验室）
本文提出将多目标贝叶斯优化应用于扫描探针显微镜成像，通过计算Pareto前沿平衡测量质量、可重复性与效率之间的权衡，并结合人在回路决策，推动自主科学发现。
2025-04-09 cond-mat.mes-hall cond-mat.mtrl-sci cs.AI
Adaptive Experimentation in the Presence of Exogenous Nonstationary Variation
Columbia University（哥伦比亚大学）
针对非平稳外生因素下多臂老虎机算法行为脆弱的问题，提出去混杂汤普森采样DTS，通过控制上下文预测臂性能，给出实验内外遗憾界，证明其鲁棒性，并指出上置信界去混杂变体可能失效。
2023-08-26 cs.LG stat.ML
Adaptive Cyber-Attack Detection in IIoT Using Attention-Based LSTM-CNN Models
University of MEDEA（迈迪亚大学）
针对工业物联网网络攻击检测难题，提出融合注意力机制的LSTM-CNN混合入侵检测模型，采用SMOTE处理类别不平衡，在Edge-IIoTset数据集上实现99.04%的多分类准确率，性能优于同类深度学习模型。
2025-01-21 cs.AI cs.CR cs.LG
Comparison Lift: Bandit-based Experimentation System for Online Advertising
Stanford University（斯坦福大学）
Comparison Lift是一个实验即服务（EaaS）应用程序，用于测试JD.com的在线广告受众和创意。与许多其他主要关注固定样本A/B测试的EaaS工具不同，Comparison Lift部署了一个基于Bandit的自定义实验算法。基于土匪的办法有两方面的好处。首先，它使测试中引入的随机化与广告商的测试目标保持一致。其次，通过使实验设计适应测试期间获得的信息，它大大降低了广告商的实验成本。自2019年5月推出以来，Comparison Lift已被用于1,500多项实验。我们估计，该产品的使用帮助参与广告活动的点击率平均提高了46%。我们估计，与固定样本A/B设计相比，产品中的自适应设计在测试期间平均多产生了27%的点击。两者都表明广告商从产品中获得了显着的价值和成本节约。
2020-09-16 cs.LG stat.ML
Prediction-Guided Active Experiments
Massachusetts Institute of Technology（麻省理工学院）
本文提出预测引导的主动实验（PGAE）框架，利用机器学习预测指导采样与实验，推导最优实验策略和渐近有效估计量，并通过模拟及半合成实验验证其优于现有方法。
2024-11-20 cs.LG econ.EM stat.ML
Opportunities for Adaptive Experiments to Enable Continuous Improvement in Computer Science Education
University of Toronto（多伦多大学）；University of Toronto Mississauga（多伦多大学密西沙加分校）
本文提出将自适应实验引入计算机科学教育，利用机器学习动态部署最优教学策略以持续改进课程，并通过 CS1 课程案例与传统实验对比验证其优势。
2024-06-06 cs.AI cs.HC cs.LG
Adaptive Combinatorial Experimental Design: Pareto Optimality for Decision-Making and Inference
University of Science and Technology of China（中国科学技术大学）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Arizona State University（亚利桑那州立大学）
本文提出 MixCombKL 和 MixCombUCB 算法，通过帕累托最优性在组合多臂老虎机中实现 regret 最小化与统计功效的平衡。
2026-02-27 cs.LG
An Experimental Design for Anytime-Valid Causal Inference on Multi-Armed Bandits
Harvard University（哈佛大学）；Harvard Business School（哈佛商学院）
本文提出 Mixture Adaptive Design (MAD)，一种用于多臂老虎机算法的新实验设计，通过将任意老虎机算法与 Bernoulli 设计混合，实现对平均处理效应的随时有效推断，在确保推断有效性的同时允许提前停止实验并平衡遗憾与精度。
2024-10-15 cs.LG stat.ME
Halve-Then-Greedy: Adaptive Sampling for Posterior Success with Near-Optimal Instance Dependence
University of Arizona（亚利桑那大学）；POSTECH（浦项科技大学）；Meta Inc.（元公司）
针对带高斯先验的高斯老虎机后验成功问题，提出Halve-Then-Greedy算法，结合初始均衡分配、 successive halving 与后验贪心采样，其样本效率优于均匀采样和顺序减半。
2026-10-16 cs.LG stat.ML
Adaptive Identification of Populations with Treatment Benefit in Clinical Trials: Machine Learning Challenges and Solutions
University of Cambridge（剑桥大学）；The Alan Turing Institute（艾伦·图灵研究所）
针对确证性临床试验中识别治疗获益患者亚群的问题，本文引入自适应与在线机器学习思想，提出 AdaGGI 和 AdaGCPI 两种元算法，并通过多场景模拟评估其优劣。
2023-06-05 cs.LG stat.ML
Foundational Design Principles and Patterns for Building Robust and Adaptive GenAI-Native Systems
Nokia Bell Labs（诺基亚贝尔实验室）
本文提出通过整合生成AI的认知能力与传统软件工程原则，构建稳健、适应性强的GenAI原生系统，探讨五个核心支柱和三种架构模式，以及软件栈的关键成分及其多维度影响。
2026-04-22 cs.CL cs.LG cs.MA
MultiTASC++: A Continuously Adaptive Scheduler for Edge-Based Multi-Device Cascade Inference
National Technical University of Athens（雅典国立技术大学）；Samsung AI Center（三星人工智能中心）
针对多设备共享边缘服务器重型模型的级联推理场景，本文提出 MultiTASC++ 自适应多租户调度器，动态调整转发决策以兼顾吞吐量、精度、延迟和满意率。
2024-12-05 cs.DC cs.LG
Discovery of Feasible 3D Printing Configurations for Metal Alloys via AI-driven Adaptive Experimental Design
本文通过AI驱动的自适应实验设计方法，高效发现金属合金3D打印的可行配置，首次实现高质量GRCop-42合金的低成本制造。
2026-01-24 cs.AI cs.LG
Universal Transformers Need Memory: Depth-State Trade-offs in Adaptive Recursive Reasoning
Intento
研究发现通用转换器在解决数独难题时需依赖记忆token，通过实验确定内存token数量的阈值及影响因素，揭示ACT初始化陷阱及递归深度中注意力头的功能分化。
2026-04-27 cs.AI cs.CL cs.LG
