研究人员开发了一种名为TailCert的新方法,用于使用记录的上下文老虎机数据进行离线策略分位数认证。该技术构建了一个PAC-Bayes Bernstein下置信包络,用于认证所选策略的上尾分位数。TailCert还可以用于选择符合认证尾部约束的策略,理论分析详细说明了基于重叠因子、策略复杂性和安全裕度的样本量要求。 AI
影响 引入了一种用于评估离线策略的新统计方法,有可能改善强化学习应用中的决策制定。
排序理由 学术论文发布在arXiv上,详细介绍了一种新的认证方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →