Resumen: Luego describimos un método sistemático, llamado compilador drop or trust blindly (DTB), que transforma cualquier algoritmo en línea en un algoritmo en línea de aprendizaje aumentado en el modelo OAG. Dado un algoritmo en línea que no tiene en cuenta las predicciones, su contraparte de aprendizaje aumentado producido al aplicar el compilador DTB sigue ciegamente la guía entrante o la ignora por completo y procede como lo habría hecho el algoritmo inicial; la elección entre estas dos alternativas se basa en el resultado de un lanzamiento de moneda (sesgado). Como nuestra principal contribución técnica, demostramos (rigurosamente) que, aunque es notablemente simple, la clase de algoritmos producidos a través del compilador DTB incluye algoritmos con atractivas garantías de consistencia y robustez para tres problemas clásicos en línea: para el almacenamiento en caché y los sistemas de tareas métricas uniformes, nuestros algoritmos son óptimos, mientras que para la coincidencia bipartita (con orden de llegada adversario), nuestro algoritmo supera al estado del arte.
Publicado originalmente en export.arxiv.org el 24 de febrero de 2026.
Ver fuente original
