该文综述了多臂老虎机（RMAB）及上下文赌博机的研究进展，涵盖预训练模型PreFeRMAB、UCWhittle算法、公平约束RMAB-F、分布式在线学习等，解决连续状态、未知转移、公平性与多智能体协作问题，并在母婴健康、移动健康等真实场景验证有效。