“情境（上下文）赌博机 / 情境多臂老虎机”问题：一种在线决策/机器学习设定——每次决策前都会观察到当前“上下文”（如用户特征、环境信息），算法在多个可选动作中选一个，并根据得到的即时反馈（奖励）学习，在“探索”（尝试新选择）与“利用”（选择当前最优）之间权衡，以最大化长期累计奖励。常用于推荐系统、广告投放、个性化干预与A/B测试升级版等。
The app uses a contextual bandit to choose which notification to send.
这个应用用情境赌博机算法来决定发送哪一种通知。
In a contextual bandit setting, the model selects an action based on user features and updates itself from the observed reward, balancing exploration and exploitation.
在情境赌博机设定中，模型会依据用户特征选择动作，并用观测到的奖励进行更新，在探索与利用之间取得平衡。
/kənˈtɛkstʃuəl ˈbændɪt/
“Contextual”来自 context（语境、情境）加形容词后缀 -ual；“bandit”原意为“强盗”，在“multi-armed bandit（多臂老虎机）”这一经典概率与决策模型中被借用来形容“不断拉不同拉杆、在不确定回报下做选择”的问题。“Contextual bandit”是在多臂老虎机模型基础上加入“上下文信息”的扩展。
Select Language