研究在线学习问题中的反馈问题，证明反馈图的结构控制引起的学习难度，并给出了三个类别的反馈图的理论极限表现和影响。

Feb, 2015

本研究探讨了对抗多臂赌博问题，其中有部分的观测可用，并且除了每个行动所造成的损失外，还会产生一种新的代价。我们提出了一种新的算法，其遗憾保证仅取决于图的支配数。我们进一步通过引入下界来增加该结果。最后，我们还提出了一种新的算法，当有部分反事实的反馈时，可以改善政策遗憾边界。

Jul, 2019

本论文主要介绍了一种基于反馈图的顺序学习问题，提出了一个名为 problem complexity 的新概念，并创建了一个既定算法，实现了对此设置的最小化失望度量的最优解。

Jun, 2023

本文针对具有强可观测无向反馈图的在线学习问题，在回报上下界方面进行了改进，并使用 FTRL 与 q-Tsallis 熵对结果进行了证明；同时扩展了该技术应用于时间变化图的情形，并提供了适用于所有 alpha>1 的改良下界。

May, 2023

研究了拥有部分信息反馈的对抗 (非随机) 在线学习问题，在黑盒模型下能够获得如上小损失的概率，而其独特的设计使它在更多应用如半强盗问题和上下文强盗问题中得到有效的应用，并且能够提供一些之前无法获得的最优保证。

Nov, 2017

在多臂赌博机领域，多智能体多臂赌博机方法已经受到了广泛关注，但对应的遗憾下界的研究相对较少。本文在不同情景下首次全面研究了遗憾下界，并证明了它们的紧密性。当图表现出良好的连通性和奖励是随机分布时，我们证明了实例相关上界的 O（log T）下界和平均差值独立上界的 sqrt（T）下界。在对抗奖励的假设下，我们建立了连接图的 O（T^（2/3））下界，从而弥合了以前工作中下界与上界之间的差距。当图表现为不连通时，我们还展示了线性的遗憾下界。与以前的研究相比，本文全面研究了这些情景下的紧密下界。

Aug, 2023

研究了在最大价值和指标反馈下的组合多臂赌博问题，并提出一种算法来保证概率有限支持中随机手臂结果的遗憾。

May, 2023

该研究提出了一种基于随机上下文赌博问题的在线图预测的广义方法，将顶点上的未知标签与奖励分布相结合，提出了基于线性图和树的算法，有效地解决了图标签预测中的实例困难问题，并提出了一种计算简单，易于分析的算法框架来处理更一般的图。

May, 2023

本研究考虑 Mannor 和 Shamir 引入的部分可观测性模型，利用 Exp3 算法在可观测性图上高效运行，以支配和独立数来描述定向可观测性模型的遗憾（regret），并证明在无向情况下，学习者可以在选择行动之前甚至不访问可观测性图前实现最佳遗憾。

Jul, 2013

本文研究的是带有动作切换代价的敌对多臂赌博机问题，证明了在该问题下玩家 T 回合的最小極大后悔度为～Θ(T^2/3)，并研究了其他在线学习领域的开放问题，结果得到了一个多尺度随机游走的新随机化结构，该结构对如此困难的学习问题证明可能会有所帮助。

Oct, 2013