今日は定時出社に成功しました。 MLP「バンディット問題の理論とアルゴリズム」の続きを読みました。 前回e-貪欲法だとO(log T)を達成できることもあるけどできないよね（適当）、っていう話だったのですが、今日読んだところで紹介されていたKL-UCBを使うと…