arXiv · ML· Raphael Kim, Michele Santacatterina, Ramin Zabih, Keith Barnatchez·· 5 小时前AI 评分20
运行时混淆下的强化学习：策略学习与离策略评估
Reinforcement Learning Under Runtime Confounding: Policy Learning and Off-Policy Evaluation
AI 导读
针对部署时无法采集关键决策变量导致的“运行时混淆”问题，研究提出了策略学习与离策略评估新方法。 开发了三类贡献：构建运行时混淆下的策略学习算法，提出半参数高效的离策略估计程序，并提供混淆代价诊断工具，以防止偏差随时间传播。
来源：arXiv · ML · arxiv.org