本記事では、ネットワークの後悔保証を持つ初のパラメータフリーな分散型オンライン学習アルゴリズムを提案しています。このアルゴリズムは、ハイパーパラメータの調整を必要とせず、サブリニア後悔を達成します。また、マルチエージェントのコインベッティングと分散型オンライン学習をつなぐ新しい「ベッティング関数」の定式化を導入することで、分散型の解析が可能になりました。実験では、合成および実際のデータセットを用いてこのアルゴリズムの有効性が確認され、分散センシングや分散最適化、協調機械学習アプリケーションに応用可能なことが示されています。アルゴリズムの導入により、さまざまな分野での応用が期待されています。