本研究提出了BanditSpec框架，解决了推测解码中前缀令牌配置固定的问题。通过将超参数选择视为多臂强盗问题，设计了两种算法，实验结果表明其在文本生成中优于现有方法，提高了语言模型的推理效率。

本研究探讨大型语言模型（LLMs）在复杂决策任务中是否能够模拟人类在不确定动态决策中的探索与利用行为。

本文提出了一种适应性预算多臂老虎机算法，旨在解决物联网设备在动态资源约束下的实时响应问题。该算法通过衰减预算违反来增强遵从性，并结合预算上置信界（UCB）算法优化性能与适应性，展现出比传统方法更快的适应能力和更好的约束满足，具有构建自适应物联网系统的潜力。

本研究探讨了有限资源下的多代理竞争性多臂老虎机博弈，提出了一种结合信息与旁支支付的机制（CISP），有效解决资源争用问题，确保社会最优的臂推荐，降低效率损失。

本研究提出了一种新的知识驱动贝叶斯赌博策略（KABB）框架，旨在解决多智能体系统中的静态知识假设和协调效率低下的问题。该框架通过三维知识距离模型和知识感知的汤普森采样策略，增强了智能体的协调能力，实现高性能与低计算需求的最佳成本性能平衡。

本研究提出了一种改进的广告预算分配算法，旨在解决数字广告预算分配的实用性问题。通过模拟环境验证多渠道广告的复杂性，并采用动态适应市场变化的策略，显著提升了预算分配效率。

该研究提出了一种基于双重乐观学习的算法来解决在线任务调度中的不确定性问题。该算法通过利用乐观估计奖励与成本比例和隐式学习任务到达分布，在不同不确定性环境下实现了有效的调度，并取得了比其他方法更好的累积奖励与成本比。

The algorithms are implemented for Bernoulli bandit in lilianweng/multi-armed-bandit. Exploitation vs Exploration The exploration vs exploitation dilemma exists in many aspects of our life. Say,...

注:本文首发于《程序员》杂志 0.导语 推荐系统里面有两个经典问题：EE问题和冷启动问题。前者涉及到平衡准确和多样，后者涉及到产品算法运营等一系