本文综述线性bandits与强化学习中的置信集和后悔界研究，提出方差感知置信集，实现不依赖循环次数的后悔上限及首个对数比例后悔界，并涵盖稀疏线性bandit、logistic模型置信区间、非静态赌博机算法和有限样本自适应采样策略等进展。

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。