本文研究了一种在线凸优化（OCO）框架的推广，考虑长期对抗性约束。提出的元策略能够实现亚线性累积约束违规和遗憾，通过将约束问题转化为标准OCO问题。研究表明，利用自适应OCO策略可达到最优性能界限，并在真实数据中心调度中验证了算法的有效性。

本文介绍了使用机器学习元策略设计搜索代理的成功步骤，代理能够对查询和搜索结果进行细粒度和透明的控制，达到与最新的神经方法相当的检索和答案质量性能。