本文综述自适应实验与最佳臂识别研究,涵盖固定轮数下识别最优治疗方案并降低误判、兼顾遗憾最小化与成本控制的在线学习算法、方差估计与样本复杂度下界、隐私—效用折中方法,以及向中介反馈、鲁棒线性奖励和因果治疗分配等场景的扩展,并通过实验验证理论结果。
完成下面两步后,将自动完成登录并继续当前操作。