Thompson Sampling
基于贝叶斯推断的上下文老虎机算法，通过对每个选项的收益分布进行后验采样来自然融入探索不确定性，在个性化推荐和在线决策场景中广泛应用
时间轴 (近 90 天)
多臂老虎机（Multi-Armed Bandit）是决策模型里常被引用的一类策略，常见算法包括 ε-greedy、UCB 和 Thompson Sampling。
TS²（Thompson Sampling squared）是Thompson采样的采样版变体，名称中的'平方'暗示采样遗憾中置信宽度平方项的核心地位。
上下文老虎机常见的算法实现包括LinUCB（线性上置信界）和Thompson Sampling（汤普森采样）
Thompson Sampling从贝叶斯视角出发，对每个选项的收益分布进行后验采样，将不确定性融入探索策略
LinUCB和Thompson Sampling相比固定ε-greedy策略在实践中通常表现更稳定
系统层面可设计探索机制（如 Epsilon-Greedy 或 Thompson Sampling）为新实体分配曝光以解决冷启动
全部知识事实 (6)
多臂老虎机（Multi-Armed Bandit）是决策模型里常被引用的一类策略，常见算法包括 ε-greedy、UCB 和 Thompson Sampling。
50%待验证TS²（Thompson Sampling squared）是Thompson采样的采样版变体，名称中的'平方'暗示采样遗憾中置信宽度平方项的核心地位。
50%待验证上下文老虎机常见的算法实现包括LinUCB（线性上置信界）和Thompson Sampling（汤普森采样）
50%待验证Thompson Sampling从贝叶斯视角出发，对每个选项的收益分布进行后验采样，将不确定性融入探索策略
50%待验证LinUCB和Thompson Sampling相比固定ε-greedy策略在实践中通常表现更稳定
50%待验证系统层面可设计探索机制（如 Epsilon-Greedy 或 Thompson Sampling）为新实体分配曝光以解决冷启动
50%