Ankur Moitra：它是这样运作的：这是所谓“在线算法”的一个例子。你面前依次出现一串选项，从1到N，每个时间步来一个。你的目标是……每当有人出现，你知道他和此前见过的所有人相比排第几，但不知道他和后面还没来的人相比排第几。

你的目标是，在每个人出现时就做决定：是定下他，还是让他走，并且要让自己有很大机会找到绝对最好的那个人选。关键在于，你确实可以得到一个竞争比为常数的算法：最好的策略是先等一段时间，不做任何决定，谁都不接受；等这段观察期过去，就选第一个比此前见过的所有人都好的人。这会给你一个不错的竞争比，也就是说你能证明定理：假设输入以均匀随机的顺序到来，和事先就知道整个输入序列相比，你很可能做得相当不错。

摘自Lex Fridman播客第503期视频（2:44:30起），英文原文见官网转录稿，中文为本站译文。

它真正的启发是，先探索以建立基准，再转向决策，而且不要等到最后才选。37%这个具体数字只适用于经典模型，只能当作直觉。

这可能是一个很有用的工具，但使用前也要清楚它的局限，避免落入其中。