多目标为何让最优臂识别更简单：偏好与反馈的作用

针对多目标 bandit 中的最优臂识别（BAI），研究为高斯 bandit 建立了在偏好序上一致成立的固定置信度特征时间下界，并比较 Pareto、线性与字典序偏好，揭示三个现象：识别更大的最优集可能比识别唯一最优解所需样本更少；向量反馈相对坐标反馈的优势取决于偏好序；多目标识别甚至可能比对应的最易单目标问题更省样本。