Aishwarya Mandyam

新的PERRY方法为RL策略评估提供可靠的不确定性估计

一篇新论文介绍了一种名为PERRY的方法，该方法在利用辅助数据（例如模型生成的数据）进行离线策略评估（OPE）时，可以构建有效的置信区间。这种方法对于医疗保健等高风险领域至关重要，因为在这些领域中，安全部署强化学习（RL）策略需要可靠的不确定性估计。PERRY提供了两种方法：一种用于状态条件策略值，另一种用于平均策略性能，它们借鉴了保形预测和双重稳健估计技术。在各种模拟器和真实医疗保健数据集上的实验表明，PERRY能够有效利用辅助数据…