Contextual Bandits（上下文老虎机）

上下文老虎机结合了强化学习与监督学习，在每个时间步，智能体观察到上下文向量（如用户特征），然后选择一个动作并获得奖励。目标是学习一个策略，将上下文映射到最优动作。常用算法包括 LinUCB、Thompson 采样和神经网络方法。它广泛应用于个性化推荐、新闻排序和医疗治疗选择，能有效处理异质性和动态性。