本文综述线性bandits与强化学习中的置信集和后悔界研究，提出方差感知置信集，实现不依赖循环次数的后悔上限及首个对数比例后悔界，并涵盖稀疏线性bandit、logistic模型置信区间、非静态赌博机算法和有限样本自适应采样策略等进展。