m-Set 对抗式 Bandit 的 winner 反馈研究：不同效用与反馈模型下的遗憾界

研究给出 m-set 对抗式 bandit 在不同效用（winner 奖励或奖励之和）与反馈模型（winner 索引、winner 奖励、奖励之和及其组合）下的遗憾上界与下界。与组合 bandit 和 MNL bandit 的标准界对比显示，设定的细微变化会显著影响学习率。主要技术贡献是遗憾的信息论下界，合成数据实验验证了理论分析。