Multi-Armed Bandit (UCB, Thompson Sampling)

Der Multi-Armed Bandit (MAB) ist ein adaptives experimentelles Framework, das Versuche sequenziell über konkurrierende Arme verteilt, um die kumulative Bedauern zu minimieren und gleichzeitig zu lernen, welcher Arm am besten abschneidet. Formalisiert von Robbins im Jahr 1952 und mit Endzeitgarantien von Auer et al. (2002) versehen, balanciert er die Exploration unsicherer Optionen gegen die Ausbeutung der derzeit bekannten besten Optionen aus – und übertrifft damit klassische A/B-Tests, wann immer ein frühzeitiger Abbruch oder eine kostenempfindliche Allokation wichtig ist.