Posterior Sampling

在贝叶斯框架下，后验分布刻画了观测数据后参数的不确定性。Posterior Sampling 每次从后验中抽一组参数，据此选择动作或预测，天然平衡探索与利用。它广泛用于强化学习中的 Thompson 采样、上下文赌博机以及贝叶斯优化，理论上 regret 有界，实现上常借助拉普拉斯近似或粒子采样。