研究提出带风险控制的元策略更新调度方法

Wenbin Zhou、Michael Lingzhi Li 与 Shixiang Zhu 发表论文，提出一种离线元策略方法：在训练未来候选模型之前就规划好策略更新节奏，在最大化预期累积收益的同时，把"更新后表现反而变差"的预期次数控制在预算内。 方法从历史学习轨迹中估计切换的价值与风险，将更新计划表示为有向无环图中的路径，并用动态规划选出最优调度。作者称，策略改进的信噪比是决定更新频率、等待时长与风险分配的关键因素，改进越清晰越适合早更新、勤更新。

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。