多臂老虎机（MAB）模型通过探索与利用的平衡来选择最佳策略。UCB算法优化策略选择，广泛应用于在线广告和A/B测试等领域。在防火墙策略选择和钓鱼邮件检测中，利用历史数据动态调整选择以提高成功率。

本研究探讨了有限资源下的多代理竞争性多臂老虎机博弈，提出了一种结合信息与旁支支付的机制（CISP），有效解决资源争用问题，确保社会最优的臂推荐，降低效率损失。

本研究针对多臂老虎机环境中的最佳臂识别问题，提出了一种新算法，利用“代理比例”简化计算，理论上证明其渐近最优，并通过实证研究验证了其效率。

本研究提出了一种新的多臂老虎机算法CYANEA，旨在解决大型语言模型在程序合成中的表现不均衡问题。该算法优化了符号求解器和提示选择，能够提高37.2%的查询解决率。

本研究扩展了传统多臂老虎机问题中的风险中立目标，提出了风险意识目标的索引条件，并利用汤普森采样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。

本研究分析了随机和对抗多臂老虎机问题中扰动算法的最优性。我们统一分析了子Weibull和有界扰动的遗憾，特别是次高斯分布的收益。对于参数为2的子Weibull扰动，我们提供了实例最优界限。在对抗设置中，利用离散选择和极值理论，证明了两种解决方法的障碍。结果表明，最优扰动若存在，则为Frechet类型。