推荐系统如果只推模型认为最好的物品，会陷入信息茧房，用户兴趣窄化，新物品也永远没有机会。探索与利用的平衡是长期健康的关键。
多臂老虎机是经典框架，epsilon-greedy 以一定概率随机探索，简单但探索效率低。UCB 用置信上界鼓励不确定性高的臂，理论保证较好。
Thompson 采样按后验分布抽样决策，探索自然且效果稳定，在推荐场景应用广泛。它需要维护每个物品的收益分布，工程上可用 beta 分布近似点击场景。
探索要有约束：不能为了探索牺牲太多短期指标，也要避免向用户推明显不相关的内容。常见做法是在相似物品集合内探索，或设置探索流量比例上限。
评估探索效果要看长期指标，比如用户留存、兴趣广度和新物品的成长速度。短期点击率下降但长期留存提升，往往是值得的。
