知识卡片：E-过程授权的 Thompson 采样——非平稳环境中赌徒何时可以离开锚点？

一句话结论

在非平稳 bandit 问题中，e-ATS 不预设固定的遗忘节奏，而是用 anytime-valid 的 e-过程先判断“折扣历史”是否已被当前证据支持；只有获得授权后才允许偏离乐观 Thompson 采样（OTS）。具体定理条件与实验数值均待核实。

事件概述或研究问题

• 论文标题：When May a Bandit Leave Its Anchor? E-Process-Authorized Thompson Sampling under Non-stationarity
• 来源：arXiv:2610.03646v1（Track: academic；Topics: foundation-model）
• 研究问题（基于元数据与候选摘要）：平稳性会“奖励”对历史的记忆，但一旦环境发生变化，同一段历史也可能变成误导。因此核心问题是——何时应当允许算法遗忘？该问题的形式化定义、假设与理论动机待核实。
• 说明：本次未能抓取正文，以下内容仅依据标题、分类元数据与候选摘要整理，需以原文核对。

方法/产品要点

（以下均来自候选摘要，待原文核实）

• 方法名：e-process-authorized Thompson sampling（e-ATS）。
• 状态表示：为每条臂同时维护全历史 Beta 状态与折扣 Beta 状态。
• 授权机制：先用一个 anytime-valid 的 e-过程判断折扣状态是否可被授权，再用一个可逆的相关性分数控制该状态的影响权重。
• 锚定行为：在获得授权之前，e-ATS 与**乐观 Thompson 采样（OTS）**完全一致。
• 理论保证：在 Beta–Bernoulli 先验预测的平稳模型下，e-ATS 在任意时刻偏离 OTS 的概率上界为所选参数 $\alpha_E$，且无需拟合阈值。该结论的精确条件与证明待核实。

主要结果或产业意义

（数值来自候选摘要，待核实）

• 与完整 e-ATS 相比，移除授权机制会使注册测试套件（registered suite）上的平均归一化动态伪遗憾（mean normalized dynamic pseudo-regret）上升 38.4%。
• 但在文献导出的回放套件（literature-derived replay suite）上，移除授权反而使同一指标下降 7.5%。
• 作者据此给出的解读是：证据决定的是“适应从何时开始”，而不是保证适应一定带来收益。
• 产业含义（推断，需核实）：在推荐、广告竞价、在线实验、智能体工具选择等非平稳在线决策场景中，可以为“切换/遗忘策略”加一道统计闸门，避免因噪声触发不必要的策略漂移。

为什么重要

• 它把“记忆 vs. 遗忘”的权衡从经验性的固定折扣率（如滑窗、指数遗忘）推向可检验的在线统计决策：先问证据是否支持非平稳，再决定是否改变状态。
• anytime-valid 的 e-过程天然适配在线、序贯、无法预知停止时间的学习流程，这与传统固定样本推断的假设不同。
• 结果的反向性（一个套件上变差、另一个套件上变好）提示：“自适应总是更好”是可疑的默认假设，值得在方法论与工程实践两个层面展开讨论。
• 与已有相关卡片的关系：现有卡片（EdgeRefine、CRISP、R-ItCUR）分别涉及图差分隐私、医学图像分割与张量补全，与本条在问题设定、方法和评价指标上均无直接事实重叠；本条属于 bandit 非平稳性与 anytime-valid 推断这一独立脉络。
• 元数据将 Topics 标为 foundation-model，但其与基础模型的具体关联待核实。

局限与不确定性

• 正文未能抓取：本卡片无法确认论文的问题定义、假设、定理、算法伪代码与实验细节。
• 38.4% 与 7.5% 两个数值的基准、置信区间、统计显著性与套件构成待核实。
• $\alpha_E$ 的取值、e-过程的构造方式、可逆相关性分数的具体定义与调参需求待核实。
• 实验是否覆盖真实非平稳环境、是否与 OTS 之外的强基线比较、是否提供代码与复现脚本待核实。
• 标题、作者、投稿时间与 arXiv 编号（2610）对应的日期需在原文页面确认；本卡片不对其真实性作断言。
• 英文关键词：待核实（来源材料未提供）。

可用于图书/PPT/简报的角度

• “何时该遗忘”作为决策问题：用统计授权替代拍脑袋的折扣率，可作为在线学习章节的引子。
• 锚定—偏离叙事：先完全跟随一个已知良性的基线（OTS），只有在证据足够时才允许偏离，适合讲“保守自适应”的设计哲学。
• anytime-valid 推断的工程价值：把 e-过程当作在线系统的“安全阀”，可用于解释为何不能简单用固定窗口的显著性检验。
• 反直觉结果讨论：同一机制在两个数据套件上方向相反，可用于说明评测分布对结论的塑造作用。
• 风险提示：任何授权机制都只是控制偏离概率，不等于保证收益，适合放入“自适应方法的边界条件”专题。

原始材料

• 原始来源：https://arxiv.org/abs/2610.03646v1
• 英文标题：When May a Bandit Leave Its Anchor? E-Process-Authorized Thompson Sampling under Non-stationarity
• 英文关键词：待核实（来源材料未提供）
• Track：academic
• Topics：foundation-model
• 抓取状态：正文未能抓取；本卡片仅基于已知元数据与候选摘要生成，方法细节、理论结果与实验数值均需以原文核对。