arXiv · ML· Junyi Liao, Hangqi Ren, Zhuoran Yang·· 8 小时前AI 评分29
存在未测量混杂因素时具有可移植性的离线强化学习
Transportable Offline Reinforcement Learning in Presence of Unmeasured Confounding
AI 导读
研究提出因果调整的可移植性框架，结合工具变量、阴性对照和代理变量识别目标领域因果量。该框架支持从多个异构源数据集中学习策略，用于有混杂的上下文赌博机（CAT-CCB）和随机马尔可夫决策过程（CAT-CMDP）。在有限维线性类下恢复标准 $\widetilde{\mathcal O}(N^{-1/2})$ 收敛率，数值实验验证了其在无单一数据源足够识别时的政策优化有效性。
来源：arXiv · ML · arxiv.org