PulseAugur
中
实时 09:29:41

新框架增强了对错误指定的上下文老虎机模型的统计推断

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新研究论文解决了上下文老虎机算法中的统计推断挑战，特别是在结果模型被错误指定的情况下。作者指出，像LinUCB这样的标准算法在这种情况下可能导致估计量不稳定和推断无效。为了解决这个问题，他们提出了一种逆概率加权的Z估计框架，该框架在称为比例逆倾向收敛的条件下确保了一致性和渐近正态性。该框架在模拟和实际应用中被证明能提供可靠的覆盖范围和具有竞争力的性能。 AI

影响 提供了一种方法来确保自适应实验中可靠的统计推断，即使结果模型不完美。

排序理由 该集群包含一篇学术论文，详细介绍了上下文老虎机的新统计推断框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架增强了对错误指定的上下文老虎机模型的统计推断

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Ziping Xu ·

    针对误设情境老虎机的统计推断

    Contextual bandit algorithms have transformed modern experimentation by enabling real-time adaptation for personalized treatment. Yet these advantages create challenges for statistical inference due to adaptivity. We study inference with contextual-bandit data without assuming a …

相关话题