运行时混淆下强化学习与策略评估新方法

2026年10月29日，Raphael Kim等人在arXiv发表首版论文《Reinforcement Learning Under Runtime Confounding》，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，提出策略学习与离策略评估新方法。 该研究开发了三类贡献：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。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。