累积遗憾

多臂老虎机（MAB）是强化学习与在线决策中的经典框架，玩家面对K个臂，每个臂的收益服从未知分布，目标是最小化累积遗憾。

该研究提出，现有贝叶斯优化的累积遗憾保证并不必然刻画算法最终输出的质量。

标准GP-UCB的累积遗憾上界以RKHS范数界和最大信息增益为参数。