Multi-Armed Bandit (UCB, Thompson Sampling)

Il multi-armed bandit (MAB) è un framework sperimentale adattivo che alloca sequenzialmente le prove tra bracci concorrenti per minimizzare il rimpianto cumulativo, imparando al contempo quale braccio performa meglio. Formalizzato da Robbins nel 1952 e dotato di garanzie di tempo finito da Auer et al. (2002), bilancia l'esplorazione di opzioni incerte con lo sfruttamento delle opzioni attualmente note come migliori — superando il classico A/B testing ogni volta che sono importanti l'arresto anticipato o l'allocazione sensibile ai costi.