在错误指定模拟器下的探索与实验：数据重校准策略研究

针对校准模拟器在动态漂移下策略次优的问题，研究数据重收集的时机与方法。 文章对比了四种策略：不重校准、被动自适应、连续探索和随机实验。实验表明，当漂移在在策略数据中不可见或重校准滞后时，实验优于被动适应。