MENTAL MODEL · M0709
多臂老虎机
Multi-Armed Bandit
Version 1.0.0 · 更新于 2026-07-30
CORE DEFINITION · 核心定义
一个赌徒面对一排老虎机，每台的期望收益不同且未知。他需要在“探索”（拉新机器收集信息）和“利用”（拉已知收益最高的机器）之间寻找平衡，以最大化总收益。
SCAFFOLDING EFFECT · 脚手架效应
psychology
降低认知负荷
平衡尝试与坚持。在人生早期（或项目初期），应采用“高探索”策略（多试错）；在掌握信息后，应逐渐转向“高利用”策略（深耕）。它为“何时跳槽 vs 何时深耕”提供了数学指导。
anchor
锚定快速决策
多臂老虎机（MAB）在探索（试新臂）与利用（选当前最优）间权衡以最大化累积收益。机制是用概率分配平衡未知与已知。
MINIMUM ACTION · 最小行动
进行中 0/1在一个真实场景中练习这个模型：
勾选记录你的进度（本机暂存）
掌握进度0%
account_tree知识谱系 Genealogyexpand_more
menu_book信源参考 Sourcesexpand_more
来源明确性: 明确
- en.wikipedia.orghttps://en.wikipedia.org/wiki/Multi-armed_banditverified
PRIVATE NOTES · 仅自己可见
已保存问答
ENTRY Q&A · 可保存至我的笔记
在清晰边界内提问
thinkingmodels 仅基于已发布的条目上下文回答。
你的问题会发送给 thinkingmodels；回答仅使用公开词条上下文。
RELATED MODELS · 相关模型