探索的真正价值不是"试新东西"，而是"缩小不确定性边界"

ε-贪心策略只是探索的最简实现，UCB方法揭示了探索的更深层原则——探索应该指向"不确定性最高"的方向，而非随机方向。"越不确定越值得探索"这一原则的信息论基础是：减少最大不确定性带来的信息增益最大。这意味着"探索"不是"浪费资源试错"，而是"投资信息以减少决策风险"。