https://www.youtube.com/watch?v=o6HBIGzQfJs
youtube看到的视频，底下有个评论说讲的清楚，记一些有用的结论留存。
这种情况下，arm对应的reward不再是固定的，取决于在时刻t，arm $i$所面对的context，也就是$x_{i,t}$
结果不依赖于arm的个数。$d$是$\theta$的维度。只假设了分布是bounded或者sub-Gaussian noise（这个是什么意思？）
用Dirichlet分布作为后验分布，有n个参数，如果有某个状态发生变化，就把相应的参数增加。
