观察奖励也要付费：新研究刻画「探索-收益-买信息」三方权衡

新研究刻画「探索-收益-买信息」三方权衡：序贯决策中 agent 反复选择动作，但观测所选动作的奖励要付费，且不同动作的观测成本不同。在线广告测试高价受众、生成式 AI 评估中专家反馈成本高昂是其现实对应。研究目标是刻画并最小化该设定下的 regret，并设计同时决定选哪个动作与何时付费买反馈的算法。