研究了多智能体多臂赌博问题，智能体观察邻居的选择和奖励，通过算法最大化自己的奖励，预测智能体的性能排名。

本研究将内容探索任务形式化为带有延迟奖励的多臂赌博问题，通过预测延迟奖励的模型和赌博算法提高推荐系统性能。

本研究将内容探索任务形式化为带有延迟奖励的多臂赌博问题，通过预测延迟奖励的模型和赌博算法提高推荐系统性能。

本文介绍了一种新颖的组合性随机贪婪的赌博算法（SGB），用于解决多臂赌博问题。该算法通过观察每个时间步选择的一组臂的联合奖励，采用了优化的随机探索再确认的方法。实验证明，该算法在单调随机次模性奖励下，能够实现(1-1/e)的遗憾边界，并且在基数约束方面优于最先进的方法。同时，在在线受限社交影响最大化的背景下，该算法始终优于其他算法，并且随着基数的增长，性能差距也增大。

该研究提出了基于多臂赌博问题的UCB^τ算法，通过引入调整的奖励项考虑任务难度，具有理论上的强大性能。在合成数据集上的比较评估中，UCB^τ表现出色，具有更低的风险。

该文介绍了一种解决无休止多臂赌博问题的观测模型，应用可实现区域方法和部分守恒定律分析其可索引性和优先指数。提出了一个近似过程来将问题转化为有限状态问题，并进行了数值实验。