待验证50% 置信事实精确时间

Thompson Sampling从贝叶斯视角出发，对每个选项的收益分布进行后验采样，将不确定性融入探索策略

1

来源数

50%

置信度

长期有效

时效性

2026/10/4

首次发现

来源

上下文老虎机实战：亚马逊用AWS实现转化率两位数提升

涉及实体

Thompson Samplingconcept

相关事实

待验证卡尔曼滤波核心思想是将预测值与观测值按各自的不确定性（协方差）加权融合，不确定性越低的来源获得越高权重73% 相似待验证在多跳推理场景中，每一跳的检索应当基于前一跳的结论做增量补充，决策模型可显式追踪已知信息集合以避免冗余召回67% 相似待验证贝叶斯优化基于概率代理模型（通常为高斯过程）建模历史实验结果，在探索与利用之间智能权衡，通常能以更少实验次数找到接近最优的参数配置67% 相似待验证决策模型专注于回答是/否判断、多项选择以及带概率的评分类问题65% 相似待验证在工具调用环节加入 Schema 校验可把模型输出的不确定性约束在可控范围内65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/971952

API

curl https://kongchang.com/api/v1/knowledge/claims/971952

MCP

get_claim(id=971952)