论文Agent 与开发者11:56将估计生成形式化为推荐过程，提出正则化感知推荐者遗憾这篇论文把 RL 里的估计问题换了个推荐视角，还证明了均匀采样就能达到遗憾下界，做 MCTS 或 bandit 的可以看看。#MCTS#强化学习#bandit#recommendersaarXiv cs.LG@Danilo Vucetic 等 5 人原文稍后读已读值得跟进有用关注 MCTS