人工智能在线分流别上复杂采样。多臂赌博机要在无知里靠互动学会拉哪台。2026年只要奖励有共轭，后验抽样就是：每个臂从当前先验抽一个数，拉最大的那个，按共轭规则计数更新。没有马尔可夫链，没有诊断指标。没有共轭但奖励能归到零一，就再做一次伯努利桥。

人工智能在线决策很爱上复杂推断，痛点在把计数就能做的事做成过夜作业

贝叶斯被说成数学太重、算不动。高斯混合一类模型确实有漏斗和多峰，熟练的人也可能要很久。但钝的估计往往就是一次极大似然，查询就能做。多臂把赌徒放到一排老虎机前：拉哪台、拉几次、什么顺序、何时换。智能体从无知出发，靠和环境互动学习。算法可以朴素：每轮对所有臂从先验抽样，选样本最大的臂去拉，观察结果，用共轭更新该臂，重复。这就是后验抽样。从先验到决策还有别的走法，例如取可信区间上沿，或动态分位。现场先把计数这条跑通。

平稳伯努利奖励，共轭是贝塔。每个臂记下赢的次数和试的次数。对称贝塔先验相当于分子分母都先加二。抽样、取最大、拉、加赢、加试。点击率就是这种。换成伽马泊松：奖励是次数，先验是伽马，记下累计奖励和试验次数，抽样用伽马，更新仍是累加。回访次数关心这个。框架很瘦：改奖励分布、改先验抽样、改要记的量和更新式，三处。共轭不是课本玩具，是线上能用的计数器。

没有共轭、连分布都不知道时，一般很难。每拉一次就跑一轮马尔可夫链拿后验，线上撑不住。若奖励有界，先归一到零一，再桥接贝塔伯努利：仍从贝塔先验抽样选臂，观察真实奖励，再用这个奖励当成功率抽一次成败，拿成败去更新贝塔。有界就能归一，归一就能借用点击率那套计数。

验收不要只看最终平均奖励。要报每个臂被拉的次数是否逐渐集中到真的较好臂、后验是否在拉开、以及冷启动阶段的探索有没有被饿死。先验太尖，早期会锁死在先被拉到的臂。对称、不太尖的贝塔是常见起步。非平稳奖励不在这套计数里：环境会变，旧计数会骗人，要另做衰减，不能把平稳共轭直接搬过去。

把这套用到分流、定价、推荐曝光，本质相同：每个选项一个共轭后验，每轮抽一次做决策，观察后计数。复杂采样留给没有共轭、没有有界桥的残差。能计数就计数。

人工智能在线分流2026五步：先认共轭，再计数，再谈复杂采样

1. 奖励有共轭，默认后验抽样加计数。一上来马尔可夫链，方案作废。
2. 点击用贝塔二项，次数用伽马泊松。分布和更新必须配对。
3. 无共轭且有界，先归一再伯努利桥。无界又无共轭，才允许重推断。
4. 报各臂拉取次数和后验分开程度。只报总奖励，不算完整。
5. 非平稳要单独衰减。把旧计数当永远有效，方案作废。

上表对应「能计数就不要上链」。贝塔二项和伽马泊松只差抽样函数和更新式。有界桥是把任意有界奖励借道成败模型。

两处只有对着真实流量才清楚。其一，先验加二看起来随便，太尖的先验会让先被点到的臂吃光探索。其二，奖励若实际会漂，计数器会把过期的好臂当成永远的好臂，要有时间衰减或滑窗。

建设者该把共轭计数写成在线分流默认。管实验的人，该拒收没有各臂拉取曲线、却上了过夜采样器的方案。没有拉取曲线，你不知道探索有没有被饿死。

结论：人工智能多臂现场能用共轭就计数，复杂采样是没有共轭时的退路

每轮抽先验。拉最大。共轭更新。有界就搭桥。非平稳要衰减。仍把在线分流做成过夜推断，决策会停在采样器而不是停在用户。

你下次上分流，先写出奖励分布、共轭配对和各臂拉取次数；三格空着，采样器名称先不要进材料。

现场还要防口号替换验收。把「已经混合精度、已经上注意力、已经在线分流」写成周报，不等于格式对过硬件、骨干对过任务形态、共轭更新对过奖励分布。周报可以写，门禁必须绑在对照表和分列指标上。

若只能改一处：先把「看起来能跑」从唯一成功标准里拿掉。演示可以记，精度、记忆窗口、图改写、短文本主题四件跟不上就算事故。

现场还要防口号替换验收。把「已经混合精度、已经上注意力、已经在线分流」写成周报，不等于格式对过硬件、骨干对过任务形态、共轭更新对过奖励分布。周报可以写，门禁必须绑在对照表和分列指标上。

若只能改一处：先把「看起来能跑」从唯一成功标准里拿掉。演示可以记，精度、记忆窗口、图改写、短文本主题四件跟不上就算事故。

本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证，不要把示例阈值直接当生产策略。 相关：风控体检 · 方案资源