该研究针对随机、组合式多臂老虎机问题，提出了一种将离线算法转化为基于有限老虎机反馈的子线性 α 遗憾策略的框架，并将其应用于离散优化问题中的基数问题和背包约束问题中获得了良好的表现。

Jan, 2023

该论文介绍了一个用于在线组合优化和有限带反馈的联邦学习框架，该框架将任何具有复杂度为 O (psi/epsilon^beta)（其中省略了对数计算，psi 是一个函数，beta 是常数）的离线单代理（alpha-epsilon）逼近算法转化为具有 m 个通信代理和 alpha 遗憾度的在线多代理算法，并保证了与时间跨度 T 的次线性增长，且随着通信代理数量的增加而线性加速。此外，该算法还具有高效的通信特性，只需要亚线性数量的通信轮次，通过将该框架成功应用于在线随机子模块最大化，并实现了第一个单代理和多代理设置的结果，以及恢复了专门的单代理理论保证。我们还通过对随机数据摘要问题的实证验证来展示所提出的框架的有效性，即使在单代理场景中也是如此。

May, 2024

通过构建神经协同过滤自适应组 Metaban 算法，本文将人工智能中的探究与利用困境（exploitation-exploration dilemma）应用于定制化推荐，并在实验中将 Metaban 与六种模型进行对比，结果表明 Metaban 显著优于其他模型的表现。

Jan, 2022

本文提出了一种基于多臂老虎机的通用高效训练模式，通过理论损失分解和逐任务影响矩阵使多任务神经求解器的训练更高效，证明了该方法的优越性和在多任务大模型训练中的应用前景。

May, 2023

本文研究使用复合和匿名反馈的多臂老虎机问题，提出适应性算法，解决了没有先验关于奖励间隔大小的信息的问题，并且进行了基于真实数据集的模拟实验，结果表明我们的算法胜过现有的基准算法。

Dec, 2020

通过结合多个赌博机算法，创建一个主算法，它可以像单独运行的最优基础算法一样表现优秀。本文通过 Online Mirror Descent 和学习率算法，实现了更好地权衡探索和利用基础算法，达到了更好的拒绝界。这些结果可以应用于多种情况，如多臂赌博机、上下文赌博机和凸赌博机，并且提出了两种主要应用：第一种是在环境相对容易时，同时享有最坏情况的稳健性和最好的表现，第二种是在不同的先验参数或不同的损失结构下同时工作。

Dec, 2016

研究了上下文臂问题，其中臂的总数可以巨大，并允许学习者选择 k 个臂并观察所选臂的所有或某些收益。我们为非极端现实设置提出了一个算法，并提出了一种实用的臂层次结构模型来处理极端情况，这种层次结构允许每个上下文的相关臂数指数减少，从而获得了有关遗憾的保证。

Feb, 2021

本研究通过引入 Hadamard 矩阵，提出了一种通用的 CSAR 算法用于解决 top-k 组合赌博问题，针对完全赌博反馈，该算法仅观察奖励总和，在两个变体的算法中，第一个最小化样本复杂性，第二个最小化遗憾，并证明了样本复杂度的下限，该复杂度对于 $k=O (1)$ 来说是紧的。最后，通过实验证明该算法优于其他方法。

May, 2019

该研究论文提出了一种基于分布式优化和多臂赌博算法 (Multi-armed bandit) 的全分散算法 (Multi-agent IGP-UCB)，以最小化代理间的遗憾值，并在保护隐私的同时提供了改进的性能。

Dec, 2023

提出了一种新颖的算法，采用乐观性和适应性技术，结合在线镜像下降框架和特殊的对数障碍正则化器来解决对抗性多臂赌博机问题和组合半赌博问题，并在提高先前工作的同时，取得了多种新的数据依赖性遗憾界。

Jan, 2018