English(EN) High Probability Risk Control for Online Policy Learning

新方法为在线策略学习提供高概率风险控制

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-11 05:00

研究人员开发了一种新颖的方法来控制在线策略学习中的风险，该过程允许代理在学习新策略的同时，以高概率确保其风险低于指定阈值。所提出的方法通过引入基于置换的加权风险评估器来解决反馈协变量偏移问题，并使用Sinkhorn算法进行近似。该方法在理论上被证明具有不大于标准重要性加权评估器的方差，并提供渐近有效的风险界限。在安全问答和医疗索赔过滤等任务上的实证评估表明，该方法能有效维持目标风险水平，实现比基线更低的风险，并确保可靠的策略选择。 AI

影响这项研究可能导致在需要严格风险管理的应用程序（如医疗保健和自主决策）中，AI系统更加可靠和安全。

排序理由该集群包含一篇详细介绍在线策略学习中风险控制新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

本文如何被排名

Signal score: 35 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍在线策略学习中风险控制新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Yihong Guo, Drew Prinster, Suchi Saria, Anqi Liu · 2026-11-11 05:00

在线策略学习的高概率风险控制

arXiv:2611.13163v1 Announce Type: new Abstract: We study risk control for online policy learning, where an agent adaptively collects data and aims to learn a new policy whose risk stays below a tolerance threshold at every round with high probability. Such policy updates and data…

本文如何被排名

报道来源 [1]

在线策略学习的高概率风险控制

相关实体

相关话题