改进了Squint算法，实现了更优的后悔界。

A Short Note on a Variant of the Squint Algorithm

• 提出Squint算法的简化变体，保持原框架
• 证明其后悔界与近期NormalHedge变体相当
• 适合研究在线学习与自适应算法的学者

本文简要描述了Koolen与Van Erven（2015）提出的Squint算法在经典专家问题中的一个简单变体。通过对其证明过程进行同等简单的修改，我们证明该变体确保了一个与Freund等人（2026）最近为NormalHedge算法（Chaudhuri等，2009）变体所展示的后悔界相似的边界。

原文摘要 · Abstract (English)

This short note describes a simple variant of the Squint algorithm of Koolen and Van Erven [2015] for the classic expert problem. Via an equally simple modification of their proof, we prove that this variant ensures a regret bound that resembles the one shown in a recent work by Freund et al. [2026] for a variant of the NormalHedge algorithm [Chaudhuri et al., 2009].

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。