本文综述了多臂赌博与主动学习领域的多项研究，涵盖放弃反馈、非稳态赌博、分散协作、预算限制及在线弃权预测等方向，提出多种UCB类算法，均具理论遗憾保证并经实验验证。

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。

通过利用特定问题设置的几何性质，提供了改进的遗憾保证。引入了安全线性贝叶斯设定的一个概括，并通过基于凸分析的方法利用算法和分析。模拟结果显示性能有所提升。