研究部分可观测的不可预测环境下的多智能体协调问题，提出了一种基于子模块最大化和有界跟踪遗憾的赌博反馈协调算法，用于解决多机器人协调问题，并通过模拟多目标追踪实验对算法的效果进行验证。

May, 2023

在未知和对抗性的动态和非结构化环境中，提出一种带边界的次模协调算法，使得机器人可以在协调完成复杂任务的同时，学习到在最优时间内采取最优行动的能力。

Sep, 2022

本文研究具有完全机器人反馈和随机奖励的无限制组合多臂武器匪徒问题，提出随机贪心学习算法 (RGL)，证明其对于时间区间 T 和武器数 n，达到 1/2 遗憾上限 Õ(T^(2/3))，并在实验中展示了其对于非次模和次模设置都优于其他全机器人变体。

Feb, 2023

本研究介绍了第一个算法，使得多个机器人可以选择与少数其他机器人协调，并能够在中央集权和去中心化协调之间平衡权衡，从而实现高效有效的多机器人决策制定，而不必考虑机器人的资源限制或任务复杂度。为了提供封闭形式保证，本文关注于涵盖单调和 “双重” 子模型函数的权重最大化问题，并引入了非相邻信息的集中化（COIN）的概念，以捕捉去中心化成本。

Apr, 2022

我们提出了一种新颖的组合性随机贪婪的赌博算法 (SGB)，用于组合多臂赌博问题。该算法在没有额外信息的情况下，仅观察到每个时间步 t∈[T] 时选择的一组 n 个臂的联合奖励。SGB 采用了一种优化的随机探索再确认的方法，并且专门设计用于具有大量基本臂的情景。与现有方法在每个选择步骤中都会探索整个未选择基本臂集不同，我们的 SGB 算法仅对未选择的臂进行优化比例的抽样，并从该子集中选择行动。我们证明了对于单调随机次模性奖励，我们的算法实现了 (1-1/e) 的遗憾边界，其复杂度为 O (n^(1/3) k^(2/3) T^(2/3) log (T)^(2/3))，在基数约束 k 方面优于最先进的方法。此外，我们在在线受限社交影响最大化的背景下对我们的算法进行实证评估。我们的结果表明，我们提出的方法始终优于其他算法，并且随着 k 的增长，性能差距也增大。

Dec, 2023

本文研究了跨多任务的在线学习问题，设计了一个统一的元算法，旨在优化平均性能。该算法在多臂老虎机和乐观线性优化两个重要情境下提供了特定保证，通过任务平均后悔的降低来提高性能。

May, 2022

研究了去中心化多智能体多臂赌博问题，使用随机图来优化整个系统的综合悔恨度，引入了新的算法框架，其中包含加权技巧和上置信边界方法，算法具有较好的鲁棒性，并且考虑了图随机性，同时给出了不同命题下的悔恨度的上限。

Jun, 2023

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

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

该论文研究了具有 bandit feedback 的在线元学习，目的是通过某种自然的相似性度量改善类似的多个任务的性能。

Jul, 2023