多臂老虎机与推荐探索：如何平衡收益与尝试

推荐系统面临探索与利用的权衡：利用已知高收益内容获取稳定点击，探索未知内容以发现新机会。多臂老虎机正是描述这一问题的经典框架。

ε-贪心策略以一定概率随机探索，其余时间选择当前最优。简单易懂，但探索效率不高，且固定概率不够灵活。

UCB 方法给不确定性高的选项更高优先级，鼓励尝试潜力未知的内容。Thompson 采样则用贝叶斯后验采样做决策，实践中表现稳健。

在推荐中应用这些方法，能让新内容获得合理曝光，同时控制整体收益损失，是冷启动和长期生态健康的重要工具。