Thử nghiệm A/B Thích ứng — Thử nghiệm A/B Thích ứng
Một thử nghiệm A/B thích ứng là một thiết kế thực nghiệm phân bổ lại lưu lượng truy cập hoặc người tham gia một cách động về phía các biến thể hoạt động tốt hơn trong quá trình thử nghiệm, thay vì giữ nguyên phân bổ cho đến cuối. Dựa trên các thuật toán multi-armed bandit như Thompson Sampling hoặc Upper Confidence Bound (UCB), nó cân bằng giữa việc khám phá các biến thể chưa chắc chắn và khai thác những biến thể đã cho thấy hiệu suất vượt trội, thường mang lại kết quả tổng hợp cao hơn đồng thời vẫn tạo ra các kết luận suy luận hợp lệ.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Bản đồ phương pháp
Lân cận của các phương pháp liên quan — chọn một nút để khám phá.
Nguồn tài liệu
- Russo, D., Van Roy, B., Kazerouni, A., Osband, I., & Wen, Z. (2018). A Tutorial on Thompson Sampling. Foundations and Trends in Machine Learning, 11(1), 1–96. DOI: 10.1561/2200000070 ↗
- Offer-Westort, M., Coppock, A., & Green, D. P. (2021). Adaptive Experimental Design: Prospects and Applications in Political Science. American Journal of Political Science, 65(4), 826–844. DOI: 10.1111/ajps.12597 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Adaptive A/B Testing. ScholarGate. https://scholargate.app/vi/experimental-design/adaptive-ab-test
Phương pháp nào?
Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.
- Thiết kế ABThiết kế thí nghiệm↔ so sánh
- Thiết kế thí nghiệm thích ứngThiết kế thí nghiệm↔ so sánh
- Kiểm định A/B bị chặnThiết kế thí nghiệm↔ so sánh
- Thử nghiệm A/B theo yếu tốThiết kế thí nghiệm↔ so sánh
- Thí nghiệm đa nhánhThiết kế thí nghiệm↔ so sánh
- Nghiên cứu đối chứng ngẫu nhiên (RCT)Thiết kế thí nghiệm↔ so sánh
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →