在线逆优化新算法：确定性 O(√d) 遗憾且多项式时间可解

事件核心：发生了什么

在线逆线性优化研究的是一个学习代理先推荐动作、再观察专家在未知线性目标下的选择，从而在看不到目标函数的情况下学习优化它。此前 Sakaue 用随机算法将遗憾做到最优的 O(√d)，但每轮需要 (dT)^{O(d)} 次线性优化，并留下“能否在多项式时间内达到同样最优遗憾”的问题。新论文给出肯定回答：其提出的 RVM 算法是确定性的，对任意 horizon T 均保持 O(√d) 遗憾，并且运行时间在 d 和 T 上为多项式。摘要给出的具体上界为 R_T ≤ 51√d/4 < 13√d，每轮算术成本为 O(td² + t²d)，仅需对当前动作集做一次线性优化。

为什么重要

该方法的关键在于一种可撤销的变尺度机制：算法只在查询点附近保持方向性拉伸，当查询点移动足够远、越过该拉伸的 slab 边界时，就撤销这次更新并在剩余路径上重新计算方向。这一“退款”机制让每段拉伸的代价主要表现为与非负损失线性相关的项，而不是失控的二次项；尚未撤销的拉伸则通过一个单调度量控制残差，其逆迹势能从 d 开始、保持非负，并把总存活步长平方和限制在 9d 以内。目前公开信息显示，该结论针对欧氏单位球内的目标和动作，适用于每个 horizon 与任意自适应生成的紧非空动作集，且分析基于摘要所述的截平面版本。对优化理论而言，这意味着最优遗憾与多项式时间之间的长期缺口有了一个确定性构造来填补，而非仅靠随机化或指数级查询预算。

对用户/开发者/创作者的影响

这是理论层面的算法进展，目前公开信息显示尚无对应产品、API 或开源库发布。对开发者和研究者的直接意义在于，如果在推荐系统、医疗决策或人机协同等场景中需要“只观察专家选择、不观察其目标”的反向学习，这一算法给出了每轮只解一次线性规划的多项式时间方案，可能降低把逆优化嵌入在线决策流程的算力门槛。对普通用户而言，短期不会带来可直接使用的功能变化，影响更可能在中长期通过更高效的决策工具间接体现。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

一是该确定性算法是否会在完整论文或后续工作中给出可复现的实现与实验结果，而不只停留在摘要层面的理论证明；二是这种可撤销变尺度思想能否被推广到非线性目标、带约束动作集或分布式优化场景；三是相关方法是否会被 AI 应用、推荐或自动驾驶等在线决策系统采用，并带来可测的推理成本或效果变化。

来源：alphaXiv