待验证50% 置信事实精确时间
多臂老虎机（Multi-Armed Bandit）是决策模型里常被引用的一类策略，常见算法包括 ε-greedy、UCB 和 Thompson Sampling。
1
来源数
50%
置信度
长期有效
时效性
2026/10/31
首次发现
来源
涉及实体
相关事实
待验证多臂老虎机问题是探索-利用困境的最简化模型，ε-greedy、UCB、Thompson Sampling等策略都是对该困境的不同解法68% 相似待验证Thompson Sampling 是一种多臂老虎机算法，被用于贝叶斯方法加速营销决策63% 相似待验证经典多臂Bandit算法（如ε-greedy）假设每个臂的奖励分布独立，当动作空间组合爆炸且反馈稀疏时，独立评估每个臂的探索成本随动作数线性增长，效率急剧下降。62% 相似待验证UCB是经典bandit问题的核心算法，为每个动作的奖励估计构造置信上界并选择上界最大的动作，对应 O(√T) 的遗憾。62% 相似已验证越狱手法可分为提示注入、对抗性前缀攻击、多步骤语境构建以及自动化越狱60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1121005API
curl https://kongchang.com/api/v1/knowledge/claims/1121005MCP
get_claim(id=1121005)