Когда вместо A/B-теста уместны многорукие бандиты?

Когда решение нужно принимать непрерывно и по каждому объекту, а не один раз по варианту системы. A/B отвечает «какая версия лучше в среднем» и платит за ответ фиксированной долей трафика на заведомо худший вариант всё время теста. Бандит перераспределяет трафик по ходу: то, что проигрывает, быстро получает меньше показов. Это выигрышно при большом числе вариантов (тысячи новых объектов), при быстром устаревании (новости, промо) и там, где цена показа плохого варианта высока. Но бандит хуже подходит для оценки долгосрочных эффектов и не заменяет A/B при выкатке архитектурных изменений.