弱信号下的策略学习：Netflix 大规模实验中的个性化线性平滑策略

针对数字实验中信噪比弱、协变量丰富、数据量庞大三大挑战，研究将细粒度协变量划分下的处理效应估计建模为信噪比有界的高斯观测，证明一般情况下最优处理策略不可学习，最优策略价值的收敛速率也慢到不实用。当处理效应平滑变化时，基于线性平滑器可导出极小极大自适应策略，实现福利遗憾趋于零。在 Netflix 大规模真实实验中，个性化线性平滑策略的表现优于非个性化策略。