本研究提出了一种随机内点方法框架，解决了现有随机算法在大数据集下的不足，并推出四种新变体，验证了其在机器学习任务中的有效性与效率。

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。