这篇题为“等待恰好购买两个时刻:预测驱动分配中的内生识别”的论文,探讨了在固定预算和不确定风险情景下的最优干预时机。研究揭示了随着时间推移收集更多信息与干预机会减少(因为高风险个体离开)之间的权衡。研究结果表明,虽然更长的观察期可以消除时机上的模糊性,但最优干预日期可能已经过去。实验表明,bootstrap averaging 和 early stopping 可以改进决策,但 regret weighting 在 pooled mean squared regret 中并未带来额外的好处。 AI
影响 为预测驱动情景下的资源分配优化提供了理论框架,与做出顺序决策的AI系统相关。
排序理由 学术论文发表于arXiv [lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv
- Influence Flower
- ScienceCast
- Waiting Buys Exactly Two Moments: Endogenous Identification in Prediction-Driven Allocation
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →