样本复杂度显著降低
针对期望奖励与阈值接近的困难场景，该算法在保持识别质量的同时大幅减少所需样本量。
Tzu-Hsien, Tsai · Tsai, Yunda · Lin, Shou-De
Lecture Notes in Computer Science 2024
lil’HDoC 利用小阈值间隙结构，将首个输出臂的样本复杂度上界降至原 HDoC 水平，仅多一个可忽略项。
在合成与真实数据集上，lil’HDoC 的表现都超过了现有最优算法。