Logging Policy

新框架优化日志策略以提高离线策略评估的准确性

研究人员开发了一个新的日志策略设计框架，以提高离线策略评估（OPE）的准确性。OPE对于使用现有策略收集的数据来估计新策略（如推荐系统）的性能至关重要。该研究确定了奖励覆盖率和方差之间的关键权衡，并为目标策略和奖励分布已知、未知或部分已知等各种场景提出了最优日志策略。研究结果为公司选择推荐系统提供了实际指导，并强调了在OPE数据收集过程中选择处理方法的重要性。