Problem wielorękiego łobuza (UCB, Thompson Sampling)

Problem wielorękiego łobuza (MAB) to adaptacyjna struktura eksperymentalna, która sekwencyjnie alokuje próby pomiędzy konkurujące ramiona w celu minimalizacji skumulowanego żalu, jednocześnie ucząc się, które ramię działa najlepiej. Sformalizowany przez Robbinsa w 1952 roku i z gwarancjami skończonego czasu przez Auer et al. (2002), równoważy eksplorację niepewnych opcji z eksploatacją aktualnie znanych najlepszych opcji — przewyższając klasyczne testy A/B, gdy liczy się wczesne zakończenie lub alokacja wrażliwa na koszty.