本文研究了数据摘要中的公平聚类问题，特别是公平 k-供应商问题。提出了两种 3-近似算法，能够在大规模数据集上有效选择中心点，最小化目标函数，并在公平约束下具有实用性。

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。

该文综述可解释分类模型研究，提出带稀疏与公平约束的多类别评分系统并扩展SLIM框架，介绍SLIM、IMLI等整数规划与可满足性方法以构建精准透明的评分与决策规则，并应用于再犯预测、医疗风险评分、缺失数据处理及睡眠呼吸暂停诊断，兼顾准确性与可解释性。