Challenges and Solutions for Bandits in the Wild: Warm-Started Mixture Bandits for Cross-Cohort Slate Recommendation¶

复现级别：L1 核心机制诊断。 执行固定强度 mixture prior、Thompson slate 与 posterior update；未复刻历史矩阵分解和 25 天部署。

论文信息¶

项目	内容
论文链接	arXiv 2609.37800
公司/机构	DFKI / RPTU Kaiserslautern-Landau
首次公开日期	2026-09-29（arXiv v1）
原文开源代码	是：官方/作者代码
Adapter	`cohortmix-ts`
本地复现代码	`src/auto_research/reproductions/cohortmix_ts/`

从历史 cohort 学习用户群和 item arm，用元数据给新用户构造固定强度的混合 Beta 先验；每轮用 Thompson sampling 选择未曝光 slate，并按用户反馈独立更新后验。

flowchart LR
  I[公开输入/当前状态] --> M[cohortmix-ts 核心机制]
  M --> A[可审计中间量]
  A --> O[输出/更新状态]

原论文 Figure 3（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

\(\hat\mu_{c,a}=(\alpha_0+s_{c,a})/(\alpha_0+\beta_0+s_{c,a}+f_{c,a})\)，新用户先验为群组 membership 加权的固定强度 Beta pseudo-count。

25 天随机部署中，受限完整窗口子组的 early-to-late correctness change 组间差为 6.23 个百分点，95% bootstrap 区间 [0.5,11.9]，p=0.043；全体注册用户参与指标无显著差异。

本地对照口径：基线为论文机制关闭或默认状态，实验组为开启对应核心算子；本批只验证不变量和状态转换，跨模型相对变化不适用。

三种子诊断见 metrics/mechanism-seeds42-44.json。diagnostic_only=true，只证明核心状态转换、梯度或调度不变量可执行，不能进入正式能力排名。

执行固定强度 mixture prior、Thompson slate 与 posterior update；未复刻历史矩阵分解和 25 天部署。