本文探讨了在未知图和随机干预模型下，如何降低因果强盗算法的悔恨界限。作者提出了一种新算法，量化干预强度对算法表现的影响，强调其在因果推断和决策优化中的重要性。

本文介绍了Thompson采样（TS）算法在多臂赌博问题中的应用，提出了一种新变体$b1$-TS，并分析了其悔恨界限。研究表明，该算法在动态环境中表现优异，适用于更广泛的上下文赌博机设置。