基于共形动作集的强化学习：在序列推荐中的应用

研究者提出 Calibrated Pruning 强化学习（RLCP），利用 critic 分数和在线阈值自适应调整保留动作集，并证明自适应轨迹上代理漏检率的确定性上界。在 KuaiRand-Pure 和 MovieLens 1M 上对比四种 RL 基线，19 种配置中至少一个 RLCP 变体取得最高目录多样性，达最强基线的 1.11× 至 5.21×，会话深度相当且保留集不更大。