该研究聚焦于[0,1]有界奖励下的随机多臂老虎机，学习者在线博弈前每个臂k会收到N'_k个观测值，这些数据独立同分布地来自未知分布ν'_k，且由任意可能数据依赖的策略收集，样本量N'_k可能随机。