跳到正文
热点事件持续更新

研究提出 PBV 选择离策略评估模型

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

Lars van der Laan、Vasilis Syrgkanis 和 Nathan Kallus 提交了一篇离策略评估论文，提出成对 Bellman 验证（PBV），用无需调参的 minimax 程序选择拟合 Q 函数和占用率比估计器。方法比较候选模型的两两差异，并在留出转移上计算有限经验矩；论文给出了有限样本 oracle 不等式。 论文报告，在 Hopper 和 Deep OPE 上，无权重 PBV 表现有竞争力；重叠受控时，目标占用率加权可改善表现。

AI 根据报道生成 · 2 小时前更新

最新进展10月28日 12:00
通过成对 Bellman 验证（PBV）进行离策略评估的模型选择

报道时间线

沿着报道，了解事件的不同侧面。

10月28日
  1. arXiv · Machine Learning
    通过成对 Bellman 验证（PBV）进行离策略评估的模型选择

    研究提出成对 Bellman 验证（PBV），以无需调参的 minimax 程序，在离策略评估中选择拟合 Q 函数和占用率比估计器。该方法利用候选模型两两差异及留出转移上的有限经验矩计算，无需辅助验证模型或单独优化 critic，并给出有限样本 oracle 不等式。在 Hopper 和 Deep OPE 上，无权重 PBV 表现有竞争力；重叠受控时，目标占用率加权可改善表现。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。