本研究探讨了在未知因果图和潜在混淆因素影响下的因果强盗问题，提出了一种随机算法和两阶段方法，以有限样本学习因果图并最小化后悔。

本文提出了一种联邦上置信界值迭代算法（Fed-UCBVI），旨在解决联邦学习中的后悔最小化问题。该算法在异构代理环境中具有低通信复杂度和高学习效率。