本文综述上下文赌博机与批处理学习研究，涵盖顺序批处理遗憾界、半参数奖励估计、动态多臂策略、kNN-UCB、BatchNeuralUCB、KernelUCB、广义线性UCB、因果平衡强化学习及延迟利用等算法，并提供理论保证与实验验证。

该文综述了多臂老虎机（RMAB）及上下文赌博机的研究进展，涵盖预训练模型PreFeRMAB、UCWhittle算法、公平约束RMAB-F、分布式在线学习等，解决连续状态、未知转移、公平性与多智能体协作问题，并在母婴健康、移动健康等真实场景验证有效。

本文综述约束条件下上下文赌博机的研究进展，涵盖预算与时间限制、资源消耗、背包约束、公平性约束及半参数非线性混淆等问题；OPLB、UCB-ALP等算法实现近最优或对数级后悔界，部分工作给出下界与模拟结果，并将相关技术推广至拍卖等战略场景。