离线策略分位数认证的覆盖悬崖

研究者提出 TailCert 程序，利用 PAC-Bayes 下置信包络为离线上下文老虎机数据中的策略选择提供原子安全上置信界。 在显式罕见动作类别中，所需样本量随重叠因子 W 线性增长，并随逆 CDF 安全边际的平方增长，上下界在该区间内渐近一致。 该方法解决了使用朴素复用时产生的胜者诅咒失效问题。