arXiv cs.LG· Nicol\`o Felicioni, Michael Benigni, Maurizio Ferrari Dacrema, Paolo Cremonesi·· 9 小时前AI 评分12
VOCEM：用联合效应建模实现方差最优的离策略评估
Variance-Optimal Off-Policy Evaluation with Conjunct Effect Modeling
AI 导读
针对上下文赌博机离策略评估中动作级重要性权重方差过大的问题，研究者提出 Variance Optimal-CEM（VOCEM）估计器，在 OffCEM 与 Doubly Robust（DR）之间插值并选取使方差最小的系数，推导出闭式总体最优解，其方差不超过两个端点。在受控合成实验和两个大动作基准上，VOCEM 在全部 23 种评估条件下均优于 OffCEM 和 DR，稳定性与经验鲁棒性更强。
来源：arXiv cs.LG · arxiv.org