Adaptiv A/B-test — Adaptiv A/B-testning

Ett adaptivt A/B-test är en experimentell design som dynamiskt omfördelar trafik eller deltagare mot bättre presterande varianter under själva experimentet, snarare än att hålla allokeringarna fasta till slutet. Med utgångspunkt i multi-armed bandit-algoritmer som Thompson Sampling eller Upper Confidence Bound (UCB) balanserar det utforskningen av osäkra varianter med exploateringen av de som redan visar överlägsen prestanda, vilket typiskt ger högre aggregerade resultat samtidigt som giltiga inferentiella slutsatser fortfarande produceras.