一次查询并非承诺：在线转派中学习修正专家答案

论文提出在线学习转派框架 ORUCB，学习者在购买专家答案前先选定专家并固定修正函数，再对收到的答案施加修正。ORUCB 汇聚共享与专家特定的多项式响应，用累积响应学习误差界校准置信加权风险回归与探索，在有界残差与分歧、固定可行最优响应模型及线性自由与最优查询风险模型下，T 轮内取得高概率伪遗憾 O(√T log(T+1))。在四条测试流上，所选三次策略的含费用成本低于七个原样部署答案的基线。