온라인 의사 결정 시스템은 지연된 피드백과 순서에 민감한(비가환) 역학 하에서 작동합니다. Bregman 발산 $D_\Phi$를 손실 벤치마크로 사용하여, 초과 벤치마크 손실이 $L \ge L_{\mathrm{ideal}} + g_1(\lambda) + g_2(\varepsilon_\star) + g_{12}(\lambda,\varepsilon_\star) - D_{\mathrm{ncx}}$와 같은 구조적 하한을 갖는다는 것을 증명합니다. 여기서 $g_1$과 $g_2$는 지연 시간 및 순서 민감도에 대한 보정된 페널티이며, $g_{12}$는 이들의 기하학적 상호 작용을 포착하고, $D_{\mathrm{ncx}}\ge 0$는 볼록 Legendre 가정이 있는 경우 사라지는 비볼록성/근사 페널티입니다. 이 부등식을 prox-정규 및 약하게 볼록한 설정으로 확장하여 볼록한 경우를 넘어선 강력한 보장을 얻습니다. 또한, 간단한 $2\times 2$ 랜덤 실험과 스트리밍 진단(유효 샘플 크기, 클리핑률, 상호 작용 히트맵)을 통해 네 가지 항을 추정하고 모니터링하기 위한 운영 레시피를 제공합니다. 이 프레임워크는 이기종 지연 시간, 비가환성 및 구현 격차 효과를 단일 해석 가능한 하한 설명에 패키징하여 실제 시스템에서 스트레스 테스트 및 조정할 수 있습니다.
