★ 2
离线策略评估助力自适应实验设计
论文研究如何用固定随机实验（A/B 测试）的历史数据，判断哪些基于上下文赌博机的自适应策略会优于原设计。方法结合离线策略评估与受控热启动仿真，用双重稳健估计器对候选策略排序。在合成 RCT 与 Hillstrom、Criteo Uplift、LaLonde 等基准上表明，存在显著异质性时自适应策略…
arXiv cs.LG35 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文研究如何用固定随机实验（A/B 测试）的历史数据，判断哪些基于上下文赌博机的自适应策略会优于原设计。方法结合离线策略评估与受控热启动仿真，用双重稳健估计器对候选策略排序。在合成 RCT 与 Hillstrom、Criteo Uplift、LaLonde 等基准上表明，存在显著异质性时自适应策略…