新方法用重定向反事实生成做策略学习

Raphael C Kim 等作者提出“通过重定向反事实生成进行策略学习”，训练生成器以支持决策，分三步：先学习双重稳健的不变反事实生成器，处理高维干预与结果；再基于其 rollout 做策略学习；最后把生成器重定向到所学策略的干预并重新学习策略。 该方法的结论是生成器应针对其支持的决策来训练，而非先训练通用生成器再用于决策。上述说法来自作者在论文中的表述。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。