Klasik A/B testinde trafik, deney süresince sabit oranlarla bölünür; bu da kötü performans gösteren varyantın deney bitene kadar kullanıcı almaya devam etmesi anlamına gelir. Trafiğin yüksek, kararın sık ve etkinin hızlı ölçülebildiği durumlarda bu bekleme doğrudan kayıp üretir. Çok kollu haydut yaklaşımı ise trafiği öğrendikçe kaydırır: iyi çalışan varyanta daha fazla, zayıf olana daha az. Bunun karşılığında istatistiksel yorumlama zorlaşır ve altyapı daha dikkatli kurulmalıdır. Dört modüllük atölye, çalışan bir trafik yönlendirme katmanı üzerinde uygulamalı ilerler. Katılımcılar pişmanlık kavramını ölçerek epsilon greedy, üst güven sınırı ve Thompson örneklemesini karşılaştırır, bağlamsal bandit ile kullanıcı özelliklerini devreye alır, ödül sinyalinin gecikmesini yönetir. Son modülde yakınsama takibi, mevsimsellik kaynaklı yanlılık ve çevrimdışı politika değerlendirmesi çalışılır. Çıktı, katılımcının kendi ürününe uyarlayabileceği bir bandit uygulama tasarımıdır.