本研究扩展了传统的多臂老虎机问题，提出了风险意识目标，并采用汤普森采样方法处理未知状态转移概率，从而显著降低风险暴露。研究结果表明，该方法在多集和多臂情况下的回报损失具有次线性和二次可扩展性。
完成下面两步后，将自动完成登录并继续当前操作。
