#延迟反馈

无最优臂反馈的遗憾分析：奖励依赖延迟下的 Bandit 新进展

本文解读随机Bandit中奖励依赖延迟且无最优臂反馈的新研究，介绍Balanced Historical Optimism算法、遗憾下界及实验分析，探讨延迟与反馈缺失下的学习策略。