该文综述多臂赌博机与情境强化学习算法，涵盖非线性赌博机、Uniform-PAC框架、单峰及Lipschitz奖励、线性赌博机和无穷臂问题，提出多种UCB类算法，实现最优遗憾保证与统计性能保障。
完成下面两步后，将自动完成登录并继续当前操作。
