概念Thompson Sampling
Thompson采样
一种贝叶斯优化中的采集函数，从后验分布中采样一条函数路径并选择该路径上的最优点进行下一轮评估。
时间轴 (近 90 天)
10月14日
标准贝叶斯优化采集函数（如GP-UCB、EI、Thompson采样）的设计目标几乎都是最小化累积遗憾，因此天然偏向利用而非探索。
待验证50%
8月29日
强化学习探索-利用权衡的经典解决方法包括ε-贪心策略、UCB、Thompson采样和内在好奇心驱动
待验证50%
一种贝叶斯优化中的采集函数，从后验分布中采样一条函数路径并选择该路径上的最优点进行下一轮评估。
标准贝叶斯优化采集函数（如GP-UCB、EI、Thompson采样）的设计目标几乎都是最小化累积遗憾，因此天然偏向利用而非探索。
强化学习探索-利用权衡的经典解决方法包括ε-贪心策略、UCB、Thompson采样和内在好奇心驱动