#多臂老虎机

把挑分类器当成多臂老虎机来玩：准确率和公平性都计入奖励，标签晚到也能用，实测遗憾值明显低于基线。

做在线学习或频谱调度的人看：异构多玩家老虎机最优分配是NP难，贪心就有1/√e近似，可当基线用。

一篇多臂老虎机理论论文，提出 ACE 框架把样本复杂度从高概率保证换成期望保证，还证明了 Thompson 采样在 ε 未知时的紧界。