随机多目标老虎机中的均衡采样

研究提出自适应 top-two sampling，结合采样计数与 Pareto 成员资格的经验依据引导选臂，无需预先确定估计的 Pareto 集。Pareto 集在小扰动下稳定时，期望不公平度为 O(log T/T)，方差为 O(T^{-1})，且下界表明前一速率对均匀公平策略可能不可避免。变体鼓励探索采样不足的臂，在足够大的时域下保持期望不公平度速率，并将方差界收紧至 O(log² T/T²)。