#BHO

搞在线学习或多臂老虎机的值得看这篇：延迟反馈但不知道奖励来自哪一轮的场景很常见，论文提出的 BHO 算法不依赖最优臂报告也能控住遗憾，还给了配套下界，理论上把可行边界画清楚了，做算法研究或推荐系统延迟归因的可以拿来对照自己的设定。