Burkov 贝叶斯多臂老虎机研究：多次选择与探索激励能否缓解推荐冷启动失衡

Burkov 分析风格化贝叶斯多臂老虎机模型，检验多次选择与面向未来收益的探索激励能否缓解在线推荐中的冷启动失衡。模型设定两个成功概率未知且固定的选项，每个新 AI 智能体可参考历史选择与结果，并采用 episode 收益总和、最大值或最小值等效用函数，同时引入 skip 选项和小额选择成本。